近些年来,场景多模态成像技术得到了快速的发展。但是,不同类型的探测器在成像机理上有不同的侧重点,因而成像图像表征的信息也有所不同,导致单幅图像不能完整地反映场景的有效信息。因此,提取多源图像的互补信息,并去除其中的冗余信息,合成一幅能准确、完整表达场景的复合图像的技术成为了图像处理领域中一项非常重要的技术,图像融合正是这类问题的一种有效解决方法。作为多源信息融合理论的一个分支,多源图像融合技术得到了广泛的研究,并在视频监控、遥感测绘、医疗诊断、数码摄影以及战场态势评估等领域得到了重要的应用。在上述的研究背景下,本文针对多聚焦图像融合、红外与可见光图像融合、遥感图像融合、多模医学图像融合等四种多源图像融合领域中存在的局部块效应、像素突变、信息缺失、光谱扭曲和失真、易产生伪影等问题,进行了深入研究,提出了基于高斯曲率滤波的多聚焦图像融合方法、基于多层级图像分解的红外图像与可见光图像融合方法、基于同现滤波与梯度域脉冲耦合神经网络的多光谱图像与全色图像融合方法、基于多级边缘保持滤波的多模医学图像融合方法等四种有效的图像融合方法。本文的主要研究内容可以总结为以下几个方面。（1）针对传统空间域方法在融合结果中易产生局部块效应和像素突变的现象,提出了一种基于高斯曲率滤波的多聚焦图像融合算法。该方法利用高斯曲率滤波在平滑图像的同时能够保持边缘的特性,首先通过源图像与滤波后图像做差分运算得到特征图像。再利用由空间频率和局部方差构成的复合聚焦度判定标准对特征图像做判定运算,得到融合权值矩阵。然后,运用形态学滤波和中值滤波对融合权值矩阵进行优化。最后,使用优化后的融合权值矩阵对源图像进行加权融合,得到最终的融合图像。实验结果表明,该方法可以有效解决多聚焦图像融合中的局部块效应与像素突变等现象。（2）针对传统多尺度分解的融合方法中易产生噪声和信息缺失的现象,提出了一种基于多层级图像分解的红外图像与可见光图像融合方法。首先利用高斯曲率滤波的边缘保持特性与高斯滤波的平滑特性,构建了混合多尺度图像分解模型。再利用该模型将源图像分解为小尺度层、大尺度层和基层等三个不同层级。然后,针对基层,采用能量属性融合策略进行融合;针对大尺度层,采用复合融合策略;针对小尺度层,采用最大值融合策略。最后,将融合后的层级进行加和以重构出最终的融合图像。实验结果表明,该方法能够有效降低噪声产生的概率,同时减少了融合后的信息缺失。（3）针对遥感图像融合中有可能出现的光谱扭曲、图像失真的现象,提出了一种基于同现滤波（Co-occurrence filtering）与梯度域脉冲耦合神经网络的多光谱图像与全色图像融合方法。首先利用同现滤波的边缘保持特性,将全色图像分解为三个层级（粗尺度层、细尺度层、基层）;再使用梯度域脉冲耦合神经网络融合策略,将全色图像的基层以及多光谱图像的光强图进行融合;最后将融合后的基层与粗尺度层、细尺度层加和,重构得到融合图像。实验结果表明,该方法有效克服了多光谱图像与全色图像融合后可能会产生的光谱扭曲与图像失真现象。（4）针对多模医学图像融合易产生图像伪影以及色彩失真的问题,提出了一种基于多级边缘保持滤波的多模医学图像融合方法。该方法将混合多尺度变换域与脉冲耦合神经网络方法相结合,首先利用多级加权平均曲率滤波与高斯滤波将源图像分解为细微结构层、粗略结构层与基层;再使用能量属性融合策略对基层进行融合;然后采用梯度域脉冲耦合神经网络融合策略对细微结构层与粗略结构层图像进行融合;最后再将融合后的三种层级进行加和,重构出最终的融合图像。实验结果表明,该方法能够有效克服融合图像的伪影和色彩失真问题。