图像融合技术通过对多传感器采集的图像进行信息提取,将有效信息融合到一幅图像中,实现对场景有效全面的表达。图像融合技术已经在军事、数码成像等领域广泛应用,但因为不同传感器的成像机理与成像特性有较大差别,所以图像融合技术仍未达到理想结果。本文针对多聚焦图像和红外与可见光图像的区域特征进行了深入研究,主要研究内容如下:（1）针对目前空间域算法的聚焦区域检测出现边缘扩散现象,本文提出了一种基于边窗滤波机制与众数滤波的图像融合算法,以多聚焦图像聚焦区域的边缘特征为研究对象,对源图像采用边窗-引导滤波与均值滤波的方式进行聚焦区域检测,避免了边缘扩散,得到更准确的聚焦区域;并通过连续滤波对产生的决策图进行优化,采用加权融合规则获得融合图像。该算法可以较好地保留聚焦区域边缘特征,准确提取源图像有效信息,提升融合图像质量。同时为了更多地提取源图像聚焦区域内的纹理特征,提出了一种基于边窗滤波机制与PCANet（Principal Components Analysis Network,PCANet）的图像融合算法,结合PCANet在图像深度特征提取方面的有效性能,将源图像更多的区域纹理特征融合到结果图像,使融合图像细节信息表达更全面,信息量更丰富。（2）本文以红外与可见光图像显著区域的对比度特征与梯度特征为融合依据,提出了一种基于偏微分模型与区域梯度信息度量的图像融合算法。通过偏微分方程对红外与可见光图像分解,得到近似层子图和细节层子图。在近似层子图中基于区域对比度特征差异计算近似层融合子图,在细节层子图中采用梯度算子提取区域梯度特征计算细节层融合子图,最终得到融合图像。该算法可以较准确的对源图像显著目标区域的特征信息进行提取,同时对源图像的噪声也有一定的抑制效果,提升融合图像视觉效果。（3）本文以红外与可见光图像显著区域的亮度特征与轮廓纹理特征为融合依据,提出了一种基于隐式低秩表示与显著区域检测的图像融合算法。通过隐式低秩表示对源图像进行分解,得到显著子图和低秩子图,同时一定程度上去除了源图像的噪声。对源图像分别以亮度和轮廓纹理特征为目标进行显著区域检测,提取目标区域,最终得到融合图像。该算法能够较好的保持空间连续性,将源图像显著区域的有效信息更全面的传输到融合图像,同时也有抑制噪声和伪影的作用。本文提出的算法在主观评价和客观指标上均有较好的表现,表现了较好的鲁棒性和适应性,为后续实际应用提供了依据。