像素级图像融合:主要是针对初始图像数据进行的,其主要目的是主要是图像增强、图像分割和图像分类,从而为人工判读图像或更进一步的特征级融合提供更佳的输入信息。...经过特征级融合处理后的结果是一个特征空间,数据量相比于原来的图像数据将大为减少,该处理进程将极大地提高数据处理和传输效率,有效地推动数据自动实时处理。...目前,特征级数据融合的主要方法有:聚类分析方法、DemPster·shafer推理方法、贝廿卜斯估计方法、信息墒方法、加权平均方法、表决方法以及神经网络方法等。...决策级融合的主要优点可概括为:(l)通信及传输要求低,这是由其数据量少决定的;(2)容错性高。...对于一个或若干个传感器的数据千扰,可以通过适当的融合力一法予以消除:(3)数据要求低,传感器可以是同质或异质,对传感器的依赖性和要求降低;(4)分析能力强,能全方位有效反映目标及环境的信息、,满足不同应用的需要