本文研究了图像融合的关键技术：图像拼接和超分率图像复原技术中的基本理论和算法。 视频图像拼接的关键步骤是图像对齐，即计算重叠图像间的运动场。本文针对摄像机旋转运动提出一种基于多帧图像的旋转运动参数的鲁棒估计方法。该方法扩展了原来两帧运动参数估计方法为多帧运动参数估计，主要解决含有运动景物的图像对齐和使用图像中较小区域的图像对齐问题。由于多帧图像包含更多的冗余信息，本文将多帧子空间约束作用于旋转运动参数估计过程。根据奇异值分解和降秩理论，将旋转运动参数矩阵投影到低秩线性子空间，以实现对旋转运动参数估计的更多约束。因此该方法比两帧方法更鲁棒，对齐效果更好。大量的实验说明了本文提出的算法是有效的。图像拼接技术一般将图像对齐和图像畸变校正分两步处理。先脱机通过标定技术校正畸变图像，然后对齐和拼接图像。我们提出两种算法将两步过程融合为一体。首先，本文给出了简易摄像机模型的旋转运动场模型和带有径向畸变参数的多帧对齐优化目标函数，并推导目标函数的线性化公式。用阻尼最小二乘法优化计算径向畸变参数和旋转运动场参数。然后直接拼接融合图像以生成校正后的图像拼接。它与传统方法的最大不同之处是无需人工干预，可以直接自动计算相机的径向畸变参数。从实验结果得出，它对变形图像能给出很好的校正并给出校正后的图像拼接。其次，本文提出基于特征的具有径向畸变校正的圆序列图像拼接的算法。由于相机旋转拍摄图像，可避免光源变化、遮挡和外观变化等出现在一般匹配中的问题。因此容易自动生成匹配点。我们采用一种鲁棒的方法，即最小中值方法来删除局外点，然后生成投影变换矩阵。用非线性最小二乘技术来优化计算投影变换矩阵和径向畸变参数，优化投影变换求解的同时进行径向畸变校正参数的求解，然后进行图像拼接。实验证明校正后的图像拼接效果更逼真。 超分辨率图像复原技术就是利用视频图像序列生成高质量、高分辨率图像。本文使用Tikhonov正则化方法求解超分辨率图像和L-曲线标准来估计正则化参数。但对于超分辨率问题，L-曲线计算代价相当大。本文提出将基于Lanczos算法和Gauss型积分来快速计算L-曲线的方法，它将矩阵的逆矩运算通过特征值分解转换为Gauss类型积分，用该积分来确定正则化参数的上下界。我们使用L带即包含L-曲线点的上下界来计算正则化参数。通过理论分析和实验证明该方法计算正则化参数是快速和廉价的；对大尺度线性超分辨率图像复原问题的参数估计是有效的工具。