1.一种基于植物群落行为的图像融合方法，其特征在于，它包括以下步骤：

步骤1，植物群落对待融合图像进行配准和预处理；采集若干待融合图像作为植物群落算法的输入数据，设置配准子窗口对若干待融合图像进行配准操作，设置预处理子窗口提取待融合图像的先验知识，选择图像融合评估函数对植物群落算法的输出进行评估；

步骤2，植物群落在待融合图像中进行播种操作，并计算植物植株个体的图像融合参数；植物群落对待求解的若干图像融合参数随机产生一组植物植株个体，每个植物植株个体使用一系列二进制位串编码成可行解，其大小表示对应图像融合参数的数值大小；

步骤3，植物群落在待融合图像中进行生长操作并对图像融合参数进行随机搜索；植物群落个体分别随机修改编码的一部分二进制位，即搜索新的图像融合参数数值，并重新编码成若干图像融合参数的若干个可行解；

步骤4，植物群落在待融合图像中进行开花操作，并随机选择邻居植物植株个体的图像融合参数进行组合；对步骤3重新编码的植物植株个体计算图像融合评估函数，按计算值的高低对植物植株个体进行排序，并选择图像融合评估函数较优的植物植株个体；

步骤5，植物群落在待融合图像中进行结果操作并互相学习图像融合参数信息；植物植株个体互相学习和交换一部分图像融合参数信息，即互相交换可行解的一部分二进制位，植物群落重新编码图像融合参数，结合步骤1的先验知识调整图像融合评估函数计算结果；

步骤6，植物群落输出最优融合图像并结束算法；经过步骤2至步骤6的植物群落算法迭代计算，选择图像融合评估函数最优的植物植株个体作为最优图像融合参数，并按照所求解的最优图像融合参数对若干待融合图像进行图像融合操作。

2.根据权利要求1所述的方法，其特征在于，在步骤1中，包括以下子步骤：

子步骤1‑1，初始化待融合图像相关参数和图像融合评估函数，包括待融合图像的像素数量，像素点灰度值，图像灰度平均值，图像平均噪声，噪声阈值，像素点的邻居信息，边缘厚度，边缘连续性，配准子窗口，预处理子窗口，预处理误差阈值，融合子窗口，区域相异性和图像融合评估函数；

子步骤1‑2，对待融合图像进行配准操作；设置配准子窗口，将待融合图像的像素点从配准子窗口预定的起始点开始配准，并到配准子窗口预定的结束位停止，不同图像取用相同的像素点数量进行配准操作，并确保配准子窗口像素位宽一致，综合和提取两个或多个待融合图像的配准信息；判断两幅或多幅配准结束的图像是否符合预定的配准要求，并检测所有待融合图像在配准子窗口像素位宽是否一致，如果符合配准要求并且像素位宽一致，则合并所有配准子窗口，将待融合源图像转入子步骤1‑2，如果配准不符合要求且像素位宽不一致，则重复进行子步骤1‑2进行配准，直至所有待融合图像的配准操作完成，确保融合效果；

子步骤1‑3，对待融合图像进行预处理操作；设置预处理子窗口大小和预处理误差阈值，在预处理子窗口中对比不同的配准后的待融合图像，对比不同图像的差异和共同点，根据与预处理误差阈值的差异情况推导所有待融合图像的先验知识，建立不同待融合图像的先验知识数据表，并在预处理阶段把对先验知识数据表和对应的预处理误差标记在图像上；根据预处理误差阈值判断预处理操作是否完成，如果大于预处理误差阈值的先验知识已经全部标记完成，则预处理操作完成，合并所有预处理子窗口，转入子步骤1‑4，使用预处理后的图像去融合，提高融合效果；如果预处理操作未完成，则继续进行子步骤1‑3，直至预处理操作完成；

子步骤1‑4，初始化植物群落参数，包括植物群落中植株种群的大小，植物植株个体的数值类型和数值大小，植物植株的图像融合评估函数，植物群落的生长变异概率，开花概率，结果概率；

子步骤1‑5，清空数据集合，包括清空植物植株个体的像素点集合，植物植株播种集合，植物群落开花集合，植物群落结果邻居对集合，具有最高排序优先级的植物植株；

子步骤1‑6，初始化植物群落算法起始条件和终止条件，包括计算开始时间，计算结束时间或迭代计算次数限制，结束误差判断阈值。

3.根据权利要求2所述的方法，其特征在于，所述植物群落种群大小，即植物群落中植物植株个体的数量；所述植株个体的数值类型，包括数值的整型，浮点型，布尔型，有符号数或无符号数，数据结构类型；所述植株个体的数值大小，即数值的表示范围，正数或负数；所述植物植株的图像融合评估函数，用于对待融合图像的图像融合效果进行评估，包括待融合图像的图像平均噪声水平，图像融合评估函数误差水平；所述植物群落的生长变异概率，指植物植株在生长操作过程中数值有一定概率发生突变；所述植物群落的开花概率，指植物植株在开花操作过程中数值有一定概率被选择进行开花操作；所述植物群落的结果概率，指植物植株在结果过程中数值有一定概率互相学习进行结果操作；

植物植株播种集合，表示进行播种操作的植物植株个体集合；所述植物群落开花集合，表示进行开花操作的植物植株个体集合；所述植物群落结果邻居对集合，表示进行结果操作的多个植物植株个体配对的集合。

4.根据权利要求1所述的方法，其特征在于，在步骤2中，它包括以下子步骤：

子步骤2‑1，随机生成植物群落中植株个体的初始值；按植物群落种群大小，随机生成一个植物植株播种集合，播种集合元素的个数即为植物群落种群大小，集合中每个元素即为植物植株个体；植物群落中植株个体的数值表示一种可行的图像融合参数集合，即为一种图像融合参数可行解，表示若干待融合图像使用何种参数进行融合操作；

子步骤2‑2，计算植物群落中植物植株个体的图像融合评估函数；

子步骤2‑3，不断循环，直至植物群落中所有植物植株的图像融合评估函数计算完成；

子步骤2‑4，对植物群落中所有植物植株的图像融合评估函数进行排序；图像融合评估函数计算数值较高的，具有较高的排序优先级；反之，图像融合评估函数计算数值较低的，具有较低的排序优先级；

子步骤2‑5，选出具有最高排序优先级的植物植株，并根据其数值更新整个待融合图像参数信息。

5.根据权利要求1所述的方法，其特征在于，在步骤3中，包括以下子步骤：

子步骤3‑1，单个植物植株按植物群落生长变异概率修改植物植株个体的数值；植物群落个体使用二进制表示，按生长变异概率修改其中的一位或若干位二进制位；

子步骤3‑2，不断循环子步骤3‑1，直至植物群落中所有植物植株个体完成一次随机搜索，每个植物植株个体均按生长变异概率修改其中的一位或若干位二进制位；

子步骤3‑3，计算单个植物植株个体的图像融合评估函数；

子步骤3‑4，不断循环步骤3‑3，直至植物群落中所有植株个体的图像融合评估函数计算完成。

6.根据权利要求1所述的方法，其特征在于，在步骤4中，包括以下步骤：

子步骤4‑1，对植物群落中所有植物植株个体的图像融合评估函数按数值高低进行排序；图像融合评估函数计算数值较高的，具有较高的排序优先级；反之，图像融合评估函数计算数值较低的，具有较低的排序优先级；

子步骤4‑2，按照开花概率选择单个植物植株；较高的排序优先级具有较高的开花概率，更容易被选择；反之，较低的排序优先级具有较低的开花概率，更不容易被选择；

子步骤4‑3，所有被选择的单个植物植株添加进植物群落开花集合，开花集合中的每一个植物植株均可以进入步骤5，进行植物群落结果计算；反之，未选择到开花集合的植物植株被放弃，不进行步骤5，不进行植物群落结果计算。

7.根据权利要求1所述的方法，其特征在于，在步骤5中，包括以下步骤：

子步骤5‑1，植物群落开花集合中的单个植物植株个体随机选择一个邻居植物植株个体，按照植物群落结果概率学习邻居植物植株个体的一部分二进制位，这两个植物植株个体组成邻居对，以成对方式添加进植物群落结果邻居对集合中；

子步骤5‑2，不断循环子步骤5‑1，直至植物群落开花集合中的所有植物植株个体均被选入植物群落结果邻居对集合中，即植物群落开花集合中每一个植物植株个体均出现在植物群落结果邻居对集合的邻居对中；

子步骤5‑3，植物群落结果邻居对集合中每一对植物植株个体按照植物群落结果概率互相交换一部分二进制位；植物群落开花集合中的单个植物植株个体允许多次被邻居植物植株个体选中，允许同时出现在多个邻居对中；

子步骤5‑4，植物群落结果邻居对集合中每个邻居对中的植物植株个体，根据互相交换的一部分图像融合参数信息调整植物植株个体，重新构建新植物植株个体；

子步骤5‑5，计算植物群落结果邻居对集合中每个植物植株个体的图像融合评估函数值；

子步骤5‑6，读取步骤1中设置的预处理误差阈值，根据待融合图像的先验知识数据表和先验知识标记调整每个植物植株个体的图像融合评估函数值；

子步骤5‑7，依次不断循环子步骤5‑1，子步骤5‑2，子步骤5‑3，子步骤5‑4，子步骤5‑5，子步骤5‑6，直至植物群落结果邻居对集合中的全部植物植株个体的图像融合评估函数计算完成。

8.根据权利要求1所述的方法，其特征在于，包括以下步骤：

子步骤6‑1，对植物群落结果邻居对集合中全部植物植株个体的图像融合评估函数进行排序；图像融合评估函数计算数值较高的，具有较高的排序优先级；反之，图像融合评估函数计算数值较低的，具有较低的排序优先级；

子步骤6‑2，选出具有最高排序优先级的植物植株个体的图像融合评估函数；

子步骤6‑3，比较步骤6‑2所得出的具有最高优先级的植物植株个体的图像融合评估函数，与子步骤2‑5计算出播种操作步骤中具有最高优先级的植物植株个体的图像融合评估函数，两者进行数值大小的比较，并选出具有最高优先级的植物植株个体，及对应的图像融合评估函数；

子步骤6‑4，判断迭代计算次数是否符合预定的迭代计算次数限制，如果符合，则结束计算，将步骤6‑3中得到的最高优先级的植物植株个体的图像融合评估函数输出，并输出对应植物植株个体的数值，所有待融合图像按对应植物植株个体所表示的最优图像融合参数进行图像融合操作，生成一幅融合操作后的融合后图像；反之，如果不符合预定的迭代计算次数限制，则进行步骤6‑5；

子步骤6‑5，如果步骤6‑2所得出的图像融合评估函数值更高，且高于结束误差判断阈值，则按植物群落种群数量的一半来选择子步骤6‑1中排序优先级最高的那些植物植株个体，添加进子步骤2‑1中植物植株播种集合；进一步地，按植物群落种群数量的一半来选择子步骤2‑4中排序优先级最高的那些植物植株个体，也添加进子步骤2‑1中植物植株播种集合；两部分植物植株个体重新组成新的植物群落种群，重新进行播种操作，返回子步骤2‑4，重新开始下一次计算，并记录迭代计算次数；反之，如果步骤6‑2所得出的图像融合评估函数值更低，或与子步骤2‑5中排序优先级最高的图像融合评估函数值的差值不高于结束误差判断阈值，则不再进行播种操作，结束计算，将步骤6‑3中得到的最高优先级的植物植株的图像融合评估函数输出，并输出对应最优植物植株个体的数值，所有待融合图像按对应最优植物植株个体所表示的最优图像融合参数进行图像融合操作，生成一幅融合操作后的融合后图像。