相比于多模态图像,单模态图像都不能同时获得多模态图像的完整信息,因此图像配准和图像融合方法被提出并发展至今。以往的多模态图像配准与融合方法虽然已取得较优的效果,但是还存在一些问题。生物智能算法虽解决了陷入局部最优的缺陷,但单一算法缺乏微调能力,并且不适合大尺度变换。虽然经典融合算法运行简单,但是空域融合方法抗噪声能力较差;变换域融合算法的融合效果受到算法分解类型和分解层数的影响;单纯使用稀疏表示的图像融合没有考虑源图像之间的内在联系。本文对上述两个图像处理进行了细致地研究,在前人的基础上改进了部分算法,然后将改进的算法应用到红外和可见光图像。论文的主要内容如下:基于P系统的多模态图像配准算法。首先设计一种细胞型P系统的膜结构,细胞膜中一个对象表示一组浮动图像变换参数。其次使用双群体伪并行差分进化算法优化对象,并使用所设计的两种转运规则更新最优参数。最后整个P系统的最优变换参数保留在表层膜中。基于联合稀疏模型的边缘清晰图像融合方法。首先,使用已学习的过完备字典将源图像联合稀疏表示成共同稀疏部分和各自的私有稀疏部分。其次,对得到的两类稀疏系数使用所设计的融合规则,获得融合后的稀疏系数。最后,融合图像可通过融合后的稀疏系数和字典重建得到。