1.高斯金字塔

注意区分：高斯金字塔层级越高，分辨率越低。但下层（第i层）得到上层（第i+1层）的过程叫做下采样，有些地方用reduce描述这个过程。

图像的金字塔化过程实际上是先平滑、再下采样的过程，避免直接采样损失大量信息。

获得高斯金字塔的流程：

 获得每一层高斯金字塔的公式：

 2.拉普拉斯金字塔

第i层拉普拉斯金字塔：

 i层图像的高频细节信息会在产生i+1层高斯金字塔图像时丢失，所以（i层图像）-（i+1层图像上采样后卷积）可以保留丢失的高频信息。

 3.基于拉普拉斯金字塔的多尺度分解

基于拉普拉斯金字塔的构建原理，图像I（x)可以进行以下分解：

 以上公式的最后一行就是图像I（x)的拉普拉斯金字塔分解。其中，第1层拉普拉斯金字塔为L1{I（x)}、第2层拉普拉斯金字塔为L2{I（x)}、第3层拉普拉斯金字塔为L3{I（x)}...第N层拉普拉斯金字塔为LN{I（x)}、第N+1层拉普拉斯金字塔为GN{I（x)}。拉普拉斯金字塔的最后一级为原始图像的高斯模糊版本。

4.Multi-Scale Fusion多尺度融合

传统的多尺度融合(MSF)策略中，每个源输入Ik 被分解成拉普拉斯金字塔，而归一化权重图Wk_ 使用高斯金字塔进行分解。

假设高斯和拉普拉斯金字塔具有相同数量的层，拉普拉斯输入与高斯归一化权重的混合在每个层l独立执行:

最终的融合结果R_MSF是通过简单地将每个级别的贡献相加而获得的 :

 参考文献：Single-Scale Fusion: An Effective Approachto Merging Images，Codruta O. Ancuti, Cosmin Ancuti, Christophe De Vleeschouwer, and Alan C. Bovik, Fellow, IEEE.