這是2014年第二部分的內容。關於三光檢測融合的一些資料整理，部分內容由於保密原因沒有寫出來，這里整理的內容都是網上或者文章里可以看到的。
一、概述
圖像融合是圖像處理中重要部分，能夠協同利用同一場景的多種傳感器圖像信息，輸出一幅更適合於人類視覺感知或計算機進一步處理與分析的融合圖像。它可明顯的改善單一傳感器的不足，提高結果圖像的清晰度及信息包含量，有利於更為准確、更為可靠、更為全面地獲取目標或場景的信息。
圖像融合主要應用於軍事國防上、遙感方面、醫學圖像處理、機器人、安全和監控、生物監測等領域。用於較多也較成熟的是紅外和可見光的融合，在一副圖像上顯示多種信息，突出目標。
融合過程可以在不同的層次上進行，可分為：信號級、像素級、特征級，決策級。
1.1、信號級
在最低層對未經處理的傳感器輸出在信號域進行混合，產生一個融合后的信號。融合后的信號與源信號形式相同但品質更好，來自傳感器的信號可建模為混有不同相關噪聲的隨機變量。此種情況下，融合可以考慮為一種估計過程，信號級圖像融合在很大程度上是信號的最優集中或分布檢測問題，對信號時間和空間上的配准要求最高。
1.2、像素級
像素級圖像融合是三個層次中最基本的融合，經過像素級圖像融合以后得到的圖像具有更多的細節信息，如邊緣、紋理的提取，有利於圖像的進一步分析、處理與理解，還能夠把潛在的目標暴露出來，利於判斷識別潛在的目標像素點的操作，這種方法才可以盡可能多的保存源圖像中的信息，使得融合后的圖片不論是內容還是細節都有所增加，這個優點是獨一無二的，僅存在於像素級融合中。但像素級圖像融合的局限性也是不能忽視的，由於它是對像素點進行操作，所以計算機就要對大量的數據進行處理，處理時所消耗的時間會比較長，就不能夠及時地將融合后圖像顯示出來，無法實現實時處理；另外在進行數據通信時，信息量較大，容易受到噪聲的影響；還有如果沒有將圖片進行嚴格的配准就直接參加圖像融合，會導致融合后的圖像模糊，目標和細節不清楚、不精確。
1.3、特征級
特征級圖像融合是從源圖像中將特征信息提取出來，這些特征信息是觀察者對源圖像中目標或感興趣的區域，如邊緣、人物、建築或車輛等信息，然后對這些特征信息進行分析、處理與整合從而得到融合后的圖像特征。對融合后的特征進行目標識別的精確度明顯的高於原始圖像的精確度。特征級融合對圖像信息進行了壓縮，再用計算機分析與處理，所消耗的內存與時間與像素級相比都會減少，所需圖像的實時性就會有所提高。特征級圖像融合對圖像匹配的精確度的要求沒有第一層那么高，計算速度也比第一層快，可是它提取圖像特征作為融合信息，所以會丟掉很多的細節性特征。
1.4、決策級
決策級圖像融合是以認知為基礎的方法，它不僅是最高層次的圖像融合方法，抽象等級也是最高的。決策級圖像融合是有針對性的，根據所提問題的具體要求，將來自特征級圖像所得到的特征信息加以利用，然后根據一定的准則以及每個決策的可信度（目標存在的概率）直接作出最優決策。三個融合層級中，決策級圖像融合的計算量是最小的，可是這種方法對前一個層級有很強的依賴性，得到的圖像與前兩種融合方法相比不是很清晰。將決策級圖像融合實現起來比較困難，但圖像傳輸時噪聲對它的影響最小。
綜合以上，研究和應用最多的是像數級圖像融合，目前提出的絕大多數的圖像融合算法均屬於該層次上的融合。圖像融合狹義上指的就是像數級圖像融合。本文研究的也正是像素級圖像融合算法。
紅外和可見的融合很多文獻都是從像素級入手，基於已有的融合算法，根據實際情況，來設立融合規則，得到適合實際應用場景的融合圖像。