信息融合技术具有可以提高系统的可靠性和稳定性、扩大空间和时间覆盖范围与改善尺度等优点,因而,在众多的军事和非军事领域都存在着非常广泛的应用。状态融合估计和图像融合是其中两个研究热点,本文的研究工作也主要在这两方面展开。在状态融合估计方面,针对多速率传感器同步采样的时变线性动态系统、多速率传感器异步时不变和时变线性动态系统,分别提出了不同的状态融合估计算法。对多传感器同步采样系统,采用分块,无反馈分布式,以及有反馈分布式结构等方法,分别对最高采样率下的状态进行了有效的估计;对时不变异步采样多传感器系统,采用多尺度建模、尺度递归分层融合的策略,得到了方差的迹最小意义下状态的线性无偏最优估计;而对于多速率时变异步采样的多传感器数据融合问题,则通过状态和观测的分块与扩维,将其在形式上转化为单速率同步多传感器观测系统,进而运用Kalman滤波和分布式融合结构得出方差最小意义下状态的最优估计。通过具体应用实例,仿真验证了所提出算法的有效性。在图像融合方面,分别研究了多传感器多分辨率图像融合算法以及图像融合结果的性能评估问题。在算法方面,给出了问题的数学描述,采用二维多尺度Kalman滤波的方法融合具有不同分辨率的观测图像;对上述融合图像依据其熵的大小进行加权融合并进行边缘修正,最终将不同传感器观测的具有不同分辨率的图像进行了有机融合。通过多组图像融合的实验,验证了算法的有效性,并利用多种性能评价指标对其进行了分析。图像的性能评估是图像融合领域的研究难点之一。从信息论的角度和人的视觉感应系统原理出发,本文依次提出了综合熵、归一化互信息熵和归一化视觉感应信息熵等性能评价指标。实验结果表明,由于归一化视觉感应信息熵兼顾了信息的充分转移和人的视觉感应原理,因此,在图像的性能评估方面具有独特的优势。