氣象衛星云圖可分為可見光云圖和紅外云圖，前者只能在晝間得到，圖像中灰度取決于地表或云頂的反射率；后者在晝間、夜間均可獲得，圖像灰度取決于地表或云頂的溫度（即亮溫）。氣象衛星云圖是以氣象衛星之儀器拍攝大氣中的云層分布，來尋找天氣系統并驗證地面天氣圖繪制的正確性。除此之外還可以用來觀測海冰分布、確定海面溫度等與中長期天氣預報相關的海洋資料。此技術為可在單一影像上顯現各種尺度天氣現象，對天氣分析與預報提供非常有助益的遙測資料。大致而言，衛星云圖可分為紅外線衛星云圖、可見光衛星云圖以及色調強化衛星云圖。

1 圖像融合方法

目前主流的圖像融合方法包括多分辨率分析融合方法和多尺度幾何分析融合方法。

1.1 金字塔變換融合法

金字塔變換融合法是最早出現的多分辨率分析圖像融合方法。金字塔變換是一種冗余的圖像多分辨率分析方法，分解各層數據彼此相關。而且，除了梯度金字塔變換以外，其他的金字塔變換無方向性。

1.2 小波變換融合法

小波（Wavelet）變換融合法是另一類多分辨率分析圖像融合方法。1995年，LI H等和CHIPMAN L J等首先分別將小波變換引入到圖像融合領域中。

1.3 多尺度幾何分析融合法

上個世紀末，以RIDGELET、CURVELET、BANDLET、CONTOURLET、非下采樣CONTOURLET為代表的多尺度幾何分析工具作為一種新的高維函數的最優表示方法相繼應運而生。從2005年開始，CHOI等、屈小波等、賈建等相繼將MGA引入到圖像融合中。多尺度幾何分析融合法的基本思路同金字塔變換融合法和小波變換融合法相似，但其算法的計算復雜度較高。

2 圖像融合質量評價

本文采用平均互信息和Xydeas-Petrovic指標來評價融合圖像的質量。

2.1 平均互信息

源圖像A（或B）和融合圖像F之間的互信息（Mutual Information）定義如下：

平均互信息越大，說明融合圖像從源圖像中提取的信息越多，融合的效果也越好。

2.2 Xydeas-Petrovic指標

QAB/F（m,n）的定義為：

QAB/F（m,n）的值域范圍為[0,1]，值越大表示融合圖像保留了越多的源圖像邊緣信息，融合的效果越好。

3 融合實驗結果及分析

進行融合實驗的兩組源圖像分別截取自美國國防氣象衛星（DMSP）2008年1月6日～7日的衛星云圖，該衛星云圖可從Internet上下載。微光云圖其成像被分成64個灰度級，紅外云圖其成像被分成256個灰度級。融合前把微光云圖的灰度級也拉伸到256個灰度級，大小均為256×256。

分別用對比度金字塔（CON算法）、拉普拉斯金字塔（LAP算法）、離散小波變換（DWT算法）、非下采樣Contourlet變換（NSCT算法）、Bandlet變換（Bandlet算法）五種方法對兩組實驗云圖進行融合，以上算法均采用低頻子帶系數取平均，高頻子帶系數模值取大的融合規則，分解級數均為4級。

圖1中，（a）、（b）為第一組微光和紅外源圖像，（c）～（g）分別為應用五種算法后的融合結果。第二組微光和紅外源圖像和融合結果圖略。表1、表2分別給出了兩組融合實驗的指標比較數據。

由圖1（c）～（g）可以看到，五種融合算法都取得了良好的視覺效果。如表1所示，從MI指標看，NSCT算法最高，說明NSCT算法使融合圖像從源圖像中提取的信息最多；LAP算法次之，Bandlet算法最低。從指標QAB/F看，Bandlet算法最高，說明融合圖像中保留了源圖像中的邊緣信息最多；NSCT算法次之，而CON算法最低。綜合兩種指標，對第一組源圖像，NSCT算法和LAP算法的性能較其他三種算法好。對第二組源圖像，如表2所示，從MI指標看，LAP算法最高，NSCT算法次之，Bandlet算法最低。從指標QAB/F看，也是LAP算法最高，NSCT算法次之，Bandlet算法最低。綜合兩種指標，對第二組源圖像，LAP算法和NSCT算法的性能較之其他三種算法融合效果好。綜合以上兩組圖像融合實驗的結果，從MI和QAB/F看，LAP融合算法和NSCT融合算法的性能要優于其他三種算法，由于NSCT算法的計算復雜度較高，耗時較LAP算法多，而且圖像越大耗時越多，因此NSCT融合算法目前并不適合于實時處理，相對來說，LAP算法速度較快，適合于實時處理。

本文將多分辨率分析融合方法和多尺度幾何分析融合方法運用到DMSP氣象衛星夜間微光云圖和紅外云圖的融合中，從MI和QAB/F指標看，拉普拉斯金字塔融合算法和非下采樣Contourlet融合算法的融合效果較其他方法優越。由于融合圖像的視覺效果比任一幅源圖像要好，因此，在融合圖像基礎上便于進行云類的識別和目標的檢測等進一步的工作，這也是后續要開展的研究工作。