一、图像融合的层次
图像融合的三个层次（三种分类）是：像素级融合、特征级融合、决策级融合
1、像素级融合（研究最多，应用最广的融合层次）
像素级融合是最低层次的融合，它的处理对象是单个像素。
常见的作法是对相应位置处的像素取最大值、最小值或平均值进行融合。
它对图像配准的精度要求很高（像素级精度），是三个融合层次中难度最大的层次。
可借助于下图帮助理解：
其大致流程为：
2、特征级融合
特征级融合的层次介于像素级和决策级之间，其主要针对目标是图像的特征（如几何特征、谱特征、统计特征等）。
特征相对于原图像信息而言往往是稀疏的，能有效地提高图像融合的计算速度。
其大致流程为：
3、决策级融合
决策级融合的层次是最高的，它针对决策问题的具体目标，不太关心微小细节。
其思想是模拟人分析、推理和判决图像的过程，融合的是决策本身而不是像素或者特征（有点类似于投票表决）。
它的优点是具有很好的灵活性，不易受噪声的干扰；缺点是预处理的代价高昂。
其大致流程为：
二、像素级融合的方法
针对像素级的融合问题，现有的解决方法大致分为三类：
空间域融合方法、变换域融合方法以及深度学习方法
分类树如下图所示：
三、空域简单融合实例
四、拉普拉斯金字塔融合实例
