信息融合理论最早出现于20世纪70年代。自那以后，信息融合吸引了人们越来越多的关注，并广泛应用于自动目标识别、自主飞行器导航、机器人、遥感、医疗诊断以及复杂工业过程控制等领域。图像中蕴涵着丰富的信息，如何获取这些信息并采用有效的手段进行融合是模式识别中的一项重要课题。它需要将图像处理理论与信息融合方法进行有效结合。 本论文旨在研究基于图像的配准及融合方法，并为将其应用于成像识别跟踪奠定基础。在简要介绍图像配准和融合的发展概况、基本理论、现有主要方法，以及成像识别跟踪、目标检测理论的基础上，主要对不同特性目标、不同传感器之间的图像配准，基于小波变换的像素级图像融合算法仿真、实现及应用，用于目标检测的特征级和决策级图像融合方法进行了深入细致的研究。 图像配准是信息融合研究中的一项重要课题。对于一些计算机视觉和模式识别任务而言，图像配准是其关键和先决条件。尤其对于像素级图像融合而言，是其必不可少的首要步骤。在讨论图像配准的数学模型的基础上，对现有的配准方法进行了综述，系统比较了基于特征的配准方法和基于区域的配准方法各自的优势和局限，并介绍了应用较多、与本论文研究联系紧密的红外和可见光图像的配准算法。针对目标由远及近，目标特性由远距离的点源目标转变为近距离的扩展目标，提出了针对小目标和扩展目标的两种不同的配准方法。对于小目标，提出先配准目标视场，再配准目标位置的方法。首先建立了不同CCD之间的视场对应关系，运用此关系完成视场的配准，然后用MCD相关匹配完成目标位置的配准。对于扩展目标及场景图的配准，提出一种人机交互式的半自动配准方法。其过程是先人工在边缘图像上选取少量特征点对，再利用仿射变换模型求取配准参数，并用最小二乘法拟合出最优参数解，该算法兼顾了实际中操作方便及配准的精度和效率。 在来自不同传感器图像配准了的基础上，可以进行像素级图像融合。像素级图像融合属于底层的图像融合，是获取信息最多、检测性能最好、适用范围最广、也是实施难度最大的一种融合层次，它的优点在于尽可能多地保留了来自不同传感器图像的原始信息。论文详细介绍了现有的像素级图像融合方法，指出多分辨技术是适用范围最广的，也是效果最好的。其中，多分辨技术中的小波变换法又优于金字塔法。因此，选用小波变换法作为主要的融合方法。在引入图像的小波多分辨分析基础上，对基于小波变换图像融合的融合步骤、小波基的选取、分解层数的确定、融合规则及评价方法进行了详细的探讨和大量翔实的实验，并得出一系列重要结论。提出了一种基于小波系数互相关性的新的融合方法，该方法利用均值、方差、协方差等统计参量构造新的匹配度和加权算子。对不同源图像的融合效果进行了展示，证明了基于小波变换图像融合方法的有效性和广泛适应性。从应用的角度出发，论文提出采用小波提升格式进行算法的实现。对传统的卷积方法和提升格式两种小波变换方法进行了比较分析，指出提升在运算上更为简单，实时性好，并且便于硬件实现。在介绍小波提升格式的基本原理及特点基础上，重点介绍了JPEG2000标准的两个重要的提升小波基Le Gall(5，3)和Daubechies(9，7)。利用其中双正交小波基Daubechies(9，7)的提升架构进行了小波变换核的迭代实现，并应用到图像融合的算法仿真中。针对成像跟踪进行了目标的跟踪实验，在融合生成的新图像序列中进行目标实时跟踪，达到了使信息量增加，跟踪更稳定的目的。 针对特征级和决策级图像融合方法较少的现状，面向目标检测，论文提出了两种有一定适用性的融合算法，对填补该领域的空白作了一些探索性的研究工作。针对复杂背景下小目标的检测，提出了一种采用梯度特征表决融合的决策级融合检测方法。该算法采用多量级多向梯度对来自不同通道传感器图像中的目标进行初检测，阈值分割出目标，然后对各通道的检测结果用“AND”逻辑进行表决融合，去除大量虚假目标，最后进行图像序列分析检测出真实目标。该算法对图像中杂波背景有很好的抑制效果，可大大减少目标识别中候选目标点的数目，便于进一步对目标的识别。针对多目标的检测，提出了一种综合多源图像分形特征的特征级融合检测方法。该算法首先由红外图像阈值分割出部分目标，然后利用分维数图的统计特征可以增强分形维数的奇异性，在可见光图像的分维数图中搜索与己检测出的目标区域具有相近分形统计特征的区域，进行标记，然后根据“距离相似度准则”进行目标的聚类识别，排除背景干扰，最终检测出全部目标。 本论文作为多源图像配准和融合方法的前瞻性研究工作，针对成像识别跟踪进行了一系列理论、方法和工程应用的探索研究，做出了重要贡献，为以后开展相关工作奠定了良好的基础。