异源图像是指来自成像机理不同的传感器的图像。相比单一的传感器的图像，多传感器图像所提供的图像信息具有可靠性、互补性和冗余性。对异源图像进行融合处理，能够让人们对场景目标获得更为准确、全面和可靠的图像描述。而一个快速准确的配准算法能够提高融合的精确度，是图像融合的重要前提，为此，本文提出了一种基于互信息测度和改进遗传算法搜索策略的方法来实现异源图像的匹配，然后利用小波变换对配准后的图像进行融合处理。本论文的主要工作包括以下几个方面：(1)研究了互信息的相似度测度，包括其原理和相关概念，然后在互信息测度的基础上，讨论了空间信息对于互信息的影响。为了提高互信息在异源图像的匹配精度，本文重点研究了梯度互信息算法和区域互信息算法，并通过实验对算法进行评测，结果表明区域互信息算法能够提高异源图像匹配曲面的识别度，使得最优值的峰值更明显，计算量更少。(2)搜索策略是图像配准中一个很重要的部分，决定了配准算法的速度和精度。本文引入了全局优化算法—遗传算法，重点研究了遗传算法的原理概念，并针对标准遗传算法本身具有“早熟”、“收敛速度慢”的问题进行改进，利用种群多样性和相关性操作来改善遗传算法的交叉算子，改善算法的全局收敛性，在精英个体保存前结合Powell算法对个体进行局部优化，提升算法的局部收敛速度。(3)最后需要对配准好的图像进行图像融合，重点研究了小波变换在图像融合中的应用，引入图像融合质量评价标准，并通过实验证实，无论在视觉上还是定量评价上，小波变换的图像融合效果要好于其他的算法。本论文分别用红外图像和可见光图像、SAR图像和可见光图像进行了配准和融合实验来验证算法的可行性。实验结果证明了区域互信息算法具有更好的鲁棒性和精确度，改进的遗传算法能够保持较好的全局收敛性和更快的收敛速度。