一、概述
圖像融合的目的是融合多個原圖像中的備援資訊和互補資訊，強化圖像中的資訊，以利于對圖像的進一步分析。圖像融合的出來可以在三個層次上來進行：像素及融合、特征及融合和決策級融合。
1、像素及融合
這是三個層次中最基本的融合，得到的結果具有更好地細節資訊，如邊緣、紋理的提取。這種方法盡可能多的儲存原圖像中的資訊，使得融合後的圖檔不論是内容還是細節都有所增加，這個優點是獨一無二的，唯一的缺陷就是計算量大、耗時長。
2、特征級融合
把原圖像中的特征資訊提取出來，這些特征是感興趣的區域，如邊緣、人物、建築等。然後對這些特征資訊進行處理、整合得到融合後的特征圖。特征級融合對圖像比對的精度和要求沒有第一層那麼高，計算速度也比第一層快，可是它提取圖像特征作為融合資訊，是以會丢失掉很多細節特征。
3、決策級融合
最高層次的圖像融合方法，抽象等級也是最高的。它是指對每個圖像的特征資訊進行分類、識别等處理，形成相應的結果，進行進一步融合的過程，最終的決策結果是全局最優決策。
總結：綜合以上，研究和應用最多的是像素及融合！
對于像素及融合，我們通常研究以下三種方法：
A/簡單的圖像融合方法。B、基于塔形方法。C、基于小波變換的圖像分解方法。
二、簡單方法
1、像素灰階選最大值方法；
F(m1,m2)=Max{N1(m1,m2),N2(m1,m2),......,Nt(m1,m2)}
N1,N2....Nt個大小為m1*m2的原圖像，F為融合後的圖像；
2、像素灰階值選最小方法；
3、權重平均融合方法；
F(m1,m2)=W1N1(m1,n1)+W2N2(m2,n2)+...+WjNj(m1,n1)
其中，W1....Wj為個圖像的權重系數，且他們的和為1。
在這種權重平均融合的方法中，參與融合的圖像提供了備援資訊，這種融合可以提高檢測的可靠性，同時也可提高信噪比。
證明：假設有J個含噪聲圖像g(m1,n1)，g(m1,n1)=f(m1,n1)+ƞ(m1,n1)。ƞ(m1,n1)為圖像在像素(m1,n1)處的噪聲，并且假設其為不相關的零均值随機噪聲。f(m1,n1)為不含噪聲的原圖像。
對以上J個圖像進行平均權重融合的圖像N(m1,n1)為：
顯然，
得融合後的标準差降為原來的1/J^(1/2)。實際上，此時多幅圖像的像素級平均融合是一種圖像處理的平滑處理，這種平滑處理在減小圖像噪聲的同時，往往可能在一定程度上使圖像的邊緣、輪廓變得模糊。彩色圖像融合就是三通道依次進行！
三、塔形分解法
1、圖像融合的步驟
（1）對每一幅原圖像分别進行某種塔形分解，建立各圖像相應的金字塔。
（2）對多分解層分别進行融合處理，不同層規則可不同，得到融合後的金字塔。
（3）進行逆塔形變換。
2、原理闡述
（1）高斯金字塔（最基本的金字塔）：原圖像作為最底層圖像G0（第0層），利用5x5的高斯核卷積，然後進行下采樣，得到上一層的圖像G1，重複這樣得到高斯金字塔。建構過程為
仿真結果如下：
（2）拉普拉斯金字塔
在高斯金字塔的運算過程當中，圖像經過卷積和下采樣會丢失部分高頻資訊，是以我們會定義拉普拉斯金字塔。用高斯金字塔的每一層圖像減去上一層圖像上采樣并高斯卷積之後的預測圖像，得到一系列的插值圖像，就是我們所得的拉普拉斯圖像。
L0層圖像是高斯金字塔G0圖像與其高一層的圖像G1經過内插放大後的圖像*G1的差，此過程相當于帶通濾波，是以拉普拉斯金字塔又被稱為帶通金字塔分解。
仿真結果如下：
（3）重構
對融合後的拉普拉斯金字塔，從其頂層開始逐層從上至下按下式遞推，可以恢複其對應的高斯金字塔，并得到原圖像G0；
GN=LPN; 當L=N時
GL=LPL+G*L+1 當1<L<N;
圖像拉普拉斯金字塔分解的目的是将原圖像分别分解到不同的空間頻帶上，融合過程是在各空間頻率層上分别進行的，這樣不同層可用不同的融合算子。
仿真結果如下：