图像融合技术是将图像作为研究对象的信息融合技术。多源图像包括来自不同传感器的同一场景的图像，也包括通过对同一传感器设置不同参数或者同一传感器在不同时间获取的多幅图像。多源图像融合即通过一个数学模型，将多源图像整合为一幅信息量更加丰富，更适合人类视觉感知和计算机后续处理（例如：分割，特征提取，目标识别等）的图像。它通过减少对目标感知的不完全性、不确定性以及误差，提供了一种更为精确全面和可靠的图像描述。近年来，在医学成像、遥感、计算机视觉和军事等领域，图像融合技术都有重要的应用，这项技术在国内外也受到了越来越高的重视。图像融合依据信息层次可分为三种类别：像素级别、特征级别、决策级别。近年来研究表明，基于区域的特征级图像融合方法与不划分特征区域的像素级融合方法相比，更能取得合理的融合效果。本文在分析研究国内外多源图像融合算法的基础上，针对基于区域分割的融合方法进行了研究。主要学术研究成果如下：(1)对于多聚焦图像融合，两类区域分割结果通常很不准确，往往需要对分割结果进行进一步的修正。而只选取源图像中的一幅作为主图像进行多区域分割的方法并没有综合各个源图像的特征，会导致融合图像中目标特征的丢失。针对以上问题，考虑各个源图像的特征差异，本文提出了一种在两幅源图像的差特征空间中使用模糊聚类进行多区域分割的方法，该方法使得分割结果更加可靠和精确，且能广泛应用于各类多源图像的融合。将该区域分割方法与柯西卷积相结合，提出了一种新的性能优越的图像融合方法。(2)由于以上提出的分割方法中用于聚类的特征向量数目与图像像素点个数相等，这就使得聚类算法耗时较长，影响了融合方法整体的运算速度。因此，提出了一种窗口特征差的计算方法，并在窗口特征差空间中进行区域分割，使得整体融合速度得到了提高，同时仍保持了较好的融合性能。(3)目前，结构相似度指标(SSIM)已被用于进行图像分割。由于SSIM无法区分出多聚焦图像的清晰和模糊区域，降低了分割结果的可靠性，本文提出了一种新的相似性度量指标：标记的结构不相似度指数(SSNSIM)，该指标能准确地将多聚焦图像的清晰和模糊区域区分开来，使得多聚焦图像的分割过程更加可靠。针对三聚焦图像融合，提出了一种基于两两图像分割的联合区域分割方法，使应用于三聚焦图像融合的分割结果更加精确合理。结合SSNSIM和联合区域分割方法，提出了一种新的性能优越多聚焦图像融合方法。(4)结合图像融合科研项目，对基于图像融合的目标增强进行了研究。由红外热像仪获取的红外图像可以提供肉眼不可见的隐藏目标的信息，将红外图像与可见光图像融合可以实现目标增强，提高目标检测、跟踪和识别的效果。但由于红外热像仪比其他仪器价格昂贵很多，使得红外图像数据的获取渠道受到了很大限制。本文将可见光图像反演红外图像的方法用于图像融合中来进行目标增强，并将增强后的图像用于目标检测和跟踪，实验结果证明基于融合进行目标检测和跟踪能取得很好的效果。