影像特征级融合（feature level image fusion），工学-测绘学-遥感-遥感图像处理-影像融合，在遥感中，空间配准的多源遥感影像数据，经过特征提取产生特征矢量，再通过融合算法对特征矢量融合的技术。在这种框架中先是将各遥感影像数据进行特征提取，产生特征矢量，而后通过融合算法融合这些特征矢量，通常采用贝叶斯估计法、Dempster-shafer法、熵法、带权平均法、神经网络法、聚类分析、表决法等基于特征级融合法进行处理，做出基于融合特征矢量的属性说明。常用的融合方法包括：①贝叶斯估计。贝叶斯推理在给定一先验似然估计和附加证据条件下，能更新一个假设的似然函数。但该方法需先验知识，且当多个可解的假设和多个条件相关时，显得很复杂。②Dempster-shafer法。它是贝叶斯方法的扩展，它利用于概率区间和不确定区间来确定多证据下假设的似然函数。但它存在的问题是怎样才能有效地处理矛盾的证据和幂指数增长的计算量等。③聚类分析。根据预先指定的相似标准，把数据分成若干类。④熵法。计算与假设有联系的信息内容的度量。⑤神经网络。