多传感器图像融合技术是图像理解、计算机视觉等领域的一个研究热点,广泛地应用于目标识别、智能机器人和医学图像处理等领域,对国防安全和经济建设产生了重要影响,因此对图像融合技术开展研究有着重要意义。针对现有融合算法容易受噪声影响、没有考虑图像自然特性等问题,本文基于小波变换(DWT)和独立分量分析(ICA)理论,对像素级多传感器图像融合算法进行了深入研究和大量实验,并取得了如下成果:1.在分析小波理论的基础上,对现有的基于DWT的图像融合算法的融合性能、优缺点及改进的可能性进行了深入分析。结合实际工程应用中很难获得质量最优的标准参照图像这一问题,本文采用逆向思维,从构建质量更差的参照图像出发,提出了一种借助参照图像通过计算距离特征进行系数选取的多聚焦图像融合算法。该算法弥补了传统小波图像融合算法中根据图像自身数据的某种统计量最大值进行融合的不足,更加注重有参照图像条件下的有用信息的选择,从而提高了融合效果。2.运用独立分量分析(ICA)理论能够保证融合过程中降低产生冗余信息或虚假信息的可能性这一特点(这有助于提高融合算法的容错性及鲁棒性),根据矩阵稀疏性和ICA系数表示之间的联系,提出了一种基于矩阵稀疏性的ICA图像融合算法,算法提高了抗噪能力,在基于盲源分离理论的图像融合算法研究方面做了有益尝试。3.在研究DWT和ICA的基础上,把DWT多分辨率分解的优点和ICA盲源分离的优点结合起来,并充分考虑到图像的自然特性,提出了一种在小波域基于ICA混合矩阵进行融合的多传感器图像融合算法。该算法根据ICA分解后的混合矩阵确定系数融合过程中的权重,采用加权平均法进行融合系数的选取,使算法更加符合图像的自然特性,融合效果得到了明显的改进。