图像融合技术是指借助于各种信息处理方法,将多张原始图像中的信息合并到融合图像中展示的方法。融合结果图像结合了每个数据源的特征,对目标特性的体现较为全面,并且对于原始图像的信息利用率较高。图像融合分为像素级、特征级、决策级三个层级,本文的研究重点是像素级图像融合,并针对于医学研究中结构和功能图像的融合以及遥感研究中全色和多光谱图像的融合这两种常见的应用,各自提出了一套融合算法。对于医学研究中灰度结构图像和彩色功能图像的融合问题,针对结构图像中边缘特征更为重要的特点,提出了基于边缘感知滤波器的自适应分解算法,通过构造理想的目标图像,提取了边缘信息,将结构图像分离为平滑层和纹理层。为避免人工设定分解层数的不稳定性,提高分解效率,提出了分解精度这一指标,并用其衡量平滑层和纹理层的分离程度,通过设置阈值,每次分解之后,判断是否达到分解精度要求,从而确定最终的分解层数。在融合过程中,为了改善伪影等问题,提出了动态融合规则,使得在结构图像和功能图像相分离的区域,融合图像能够保留二者的原始信息,在结构图像和功能图像重叠的区域,则能够动态地计算比例以融合之前分离出的平滑层和功能图像的光谱信息,最后叠加纹理层得到融合结果。实验表明,基于边缘感知滤波器的融合算法表现较为稳定,能够很好的保留原始图像的结构信息和功能信息,克服了部分算法中光谱畸变、区域分块等问题,并且主观观感较好。针对遥感图像融合问题,提出了一种基于梯度分解的多层次塔形融合方法。针对遥感图像的特点,依据梯度原理设计了分解滤波核,先使用该滤波核对全色图像进行分解,迭代分离出对应的频率子带,同时对全色图像进行下采样。当全色图像的分辨率等同于多光谱图像后,对全色图像和多光谱图像同步进行分解和下采样,同时在每个分解层次中重新计算分解滤波核。分解完成后,依据各层级的特点,分别设计了融合规则,对能量信息体现较多的低频层级,构造了能量公式从而融合对应的低频子带和遥感图像,在中频层级先依据结构相似性指标来进行初始融合评估,并依据初始评估的结果进行二次融合,针对细节信息较多的高频层级使用叠加规则。最后,通过逆变换得到融合图像。实验表明,基于梯度分解的多层次塔形融合算法较好地保留了全色图像的细节信息以及多光谱图像的光谱信息,对于各类型遥感图像表现稳定,同时客观评价指标较好,与其它同类算法相比具有一定优越性。