基於梯度金字塔(Gradient Pyramid,GP)分解的圖像融合算法。GP 也是一種基於高斯金字塔的多尺度分解算法。通過對高斯金字塔每層圖像進行梯度算子運算，便可獲得圖像的 GP表示。GP 每層分解圖像都包含水平、垂直和兩個對角線四個方向的細節信息，能更好地提取出圖像的邊緣信息，提高了穩定性和抗噪性。具有方向性的梯度塔形分解能夠很好地提供圖像的方向邊緣和細節信息。
1、原理闡述
（1）得到高斯金字塔（如上）
（2）對圖像高斯金字塔的各分解層（最高層除外）分別進行梯度方向濾波，便可得到梯度塔形分解:
這里•為卷積運算，DL K表示第L層第k方向梯度塔形圖像，GL 為圖像的高斯金字塔的第L層圖像，dK表示第k方向梯度濾波算子，定義為：
經過 d1、d2、d3、d4對高斯金字塔各層進行方向梯度濾波，在每一分解層上（最高層除外）均可得到包含水平、垂直以及兩個對角線方向細節信息的4個分解圖像。可見圖像的梯度塔形分解不僅是多尺度、多分辨率分解，而且每一分解層（最高層除外）又由分別包含 4個方向細節信息的圖像組成。
這里跟上面不同的就是每一層是獨立的，不需要涉及到上一層的上采樣結果。對應層的Gl與3*3的核做卷積，在加上Gl的值之后取相應方向的值，就可以生成對應方向的系數了。
（3）重構
對金字塔圖像每一層各方向分別融合后，就需要由梯度金字塔重構原圖像，須引入FSD 拉普拉斯金字塔作為中間結果，即將梯度金字塔轉換為拉普拉斯金字塔，再由拉普拉斯金字塔重構原圖像，其構建過程如下：
1、將方向梯度金字塔轉換為方向拉普拉斯金字塔（FSD型）filter-subtract-decimate。設 FSD型金字塔的第L層圖像為LL，
2、將FSD 拉普拉斯金字塔圖像變換為拉普拉斯金字塔圖像。
注意I不是單位矩陣，只是中間一個元素為1。（不懂）
3、由拉普拉斯金字塔重構原圖像將GL內插值進行放大，使放大后的圖像尺寸與GL - 1的尺寸相同。這里就和前面的一樣（pyrup）。
2、融合應用
采用基於區域的融合規則，基於區域的融合方法的基本思想是：在對某一分解層圖像進行融合處理時，為了確定融合后圖像的像素，不僅要考慮參加融合的源圖像中對應的各像素，而且要考慮參加融合的像素的局部領域。即比較源圖像的某方面特征，從而動態地選這方面特征突出的源圖像組成融合結果。
梯度是一個矢量，指向邊緣法線方向上取得局部的最大值的方向，和圖像的邊緣方向總 是正交（垂直）的。所以基於梯度的濾波器，又稱邊緣算子。圖像經梯度濾波器濾波后，突出了相鄰點間灰度級的變化，達到增強邊緣的目的。以區域各點灰度值之和為特征量，進行源圖像分解層的融合時，來自哪個區域的特征的值大，就將該區域中心像素點的灰度值作為融合后圖像分解層上該位置的像素灰度值。這樣就能很好的提取圖像的邊緣信息。
融合的基本步驟為：
1、對每一源圖像分別進行梯度塔形分建立圖像的梯度金字塔。
2、對圖像梯度金字塔的各分解層分別進行融合處理；不同的分解層、不同方向細節圖像采用不同的融合算子進行融合處理，最終得到融合后圖像的梯度金字塔。
3、對融合后所得梯度金字塔進行逆塔形變換（即進行圖像重構），所得到的重構圖像即融合圖像對於融合規則可以選用基於區域信息的，也可以簡單的取最大值的方法。