近年来,各种成像设备陆续走入人们的生活,不同类型图像数据的获取变得越来越方便。然而,由于成像机理的制约,单一类型的图像数据往往无法满足某种实际应用的需求。此外,同种类型成像设备在不同的成像条件(例如焦距、曝光时间等成像参数)下采集到的图像通常也存在很大差异,而固定一种条件下得到的图像难以反映出场景的全部信息。因此,如何对来自不同成像机理和成像条件的多幅图像进行融合处理以完成既定的任务就成为亟待研究的课题。像素级多源图像融合是指综合同一场景不同来源的多幅输入图像(源图像)的互补信息,利用图像处理算法生成一幅新的图像(融合图像),使该融合图像比任何一幅源图像都能更为全面、准确地描述所述场景。多源图像融合技术在视频监控、医疗诊断、卫星遥感、数码摄影等诸多领域都具有很高的应用价值。在上述研究背景下,本文针对多聚焦图像、多曝光图像、可见光与红外图像、多模态医学图像等多种类型的图像融合问题进行了深入研究,提出了多种变换域和空域图像融合新方法,希望能为推动图像融合研究的进程作出一定贡献。本文的主要研究内容和创新点如下：1.在基于多尺度变换的图像融合方法研究中,针对传统基于小波变换的融合方法不具有平移不变性的缺点,提出了一种结合小波变换和自适应分块的多聚焦图像融合算法。该算法以离散小波变换为框架,对低频系数采用自适应尺寸分块的方法进行融合,图像块的尺寸用差分进化算法优化求解,然后对此低频融合结果进行精细化处理,得到一幅精确到每个系数来源的标签图,再利用局部小波能量与该标签图相结合的方法对高频系数进行融合,最后重构得到融合结果。实验结果表明,该算法既可以一定程度克服小波变换法对非严格配准区域融合效果差的缺陷,又可以有效抑制空域分块法易产生块效应的缺点。2.在基于稀疏表示的图像融合方法研究中,针对传统稀疏表示融合方法中字典表达能力与抗噪能力存在矛盾的困境,提出了一种基于自适应稀疏表示的融合算法,用于处理有噪声的图像融合问题。该算法在字典训练阶段根据训练样本的梯度特征将样本划分到若干组,分别训练得到过完备字典。在融合阶段,根据输入图像块的梯度特征,自适应地选择字典进行表示。实验结果表明,该算法可以有效解决传统稀疏表示融合方法处理噪声图像的不足,取得明显优于传统方法的结果。3.在变换域图像融合方法研究中,针对基于多尺度变换和稀疏表示的融合方法各自存在的缺陷,提出了一种结合多尺度变换和稀疏表示的融合框架,将多尺度变换的低频系数采用基于稀疏表示的方式进行融合,而高频系数采用基于局部高频系数绝对值的方式融合。相对于传统的多尺度变换法中低频分量取平均的融合方式,该方法可以有效防止能量丢失而造成图像的对比度下降,同时也可以解决分解层数难以选择的问题；相对于传统的空域稀疏表示融合方法,该方法通过将低频分量与高频分量分离,可以有效消除传统稀疏表示方法的灰度不连续和细节模糊效应。实验结果表明,提出的融合方法可以取得优于传统多尺度变换和稀疏表示方法的结果。同时,对于不同类型的图像融合问题,在该框架下探索出最优的多尺度变换及其分解层数。4.在空域多聚焦图像融合方法研究中,针对传统方法在源图像非精确配准区域融合效果不理想的情况,提出了一种基于稠密SIFT描述子的多聚焦图像融合算法。该算法首先将SIFT描述子用于聚焦程度度量,获得一幅可靠的初始融合决策图,然后利用SIFT描述子度量图像局部相似性的能力,优化非精确配准区域的融合效果,最终得到融合图像。实验结果表明,该算法在主观视觉效果和客观评价准则两方面都可以达到甚至超过当前多聚焦图像融合的最好水平。5.在空域多曝光图像融合方法研究中,针对传统方法在消除动态场景中运动鬼影能力上的不足,提出了一种基于稠密SIFT描述子的多曝光图像融合算法。该算法利用特征描述子具有衡量局部对比度和描述局部相似度的能力,将SIFT描述子同时用于多曝光图像细节信息的提取和鬼影效应的消除。实验结果表明,该算法在主观视觉效果和客观评价准则两方面都可以取得优于传统多曝光图像融合方法的效果。