图像融合学科是图像处理与信息融合两大学科的交集,而图像融合学科中的一个重要的研究内容便是多传感器图像的融合问题。不同传感器在成像原理上存在本质区别,多源图像之间在各个方面均存在较大差异。这些差异一方面使得多源图像融合结果可以提供更多信息,另一方面也使得许多应用在同源图像融合上的方法不再适用。如何使异源图像中的显著信息以符合人眼视觉特性的方式,在融合结果中无失真地显现是多源图像融合研究中需要解决的核心问题。图像的梯度,无论在何种图像源中都反映了图像中的边缘,纹理等显著变化的信息,这些变化的信息恰恰是最容易被人眼视觉系统捕捉的信息。借助梯度域,可以将不同图像源中的变化信息高效地整合至融合图像中。因此,基于梯度域的多源图像融合方法具有重要的研究价值与意义,也是当前多源图像融合领域中的一类重要方法。本文主要对多源图像在梯度域融合过程中涉及的关键技术进行了研究与探索。首先对图像融合技术的背景与发展过程,研究现状进行了归纳与总结。随后对多源图像融合领域常用的异源图像对,及其成像原理进行了分析与总结。阐述了异源图像融合的应用价值及其面临的问题。其次,对数字图像信号的梯度场构建与基于梯度场的数字图像信号重建方法进行了详细的阐述与理论推导,为多源图像的梯度域融合与重构提供了坚实的理论支撑。在梯度域方法中,基于结构张量的融合方法,是近年来新兴的一种性能优异的多源融合方法。本文详细介绍了结构张量的概念,分析了当前基于结构张量的多源图像梯度域融合方法存在的优势与弊端。并在此基础上,首先提出了一种图像局部结构相似性度量来衡量不同梯度场的局部相似性,随后利用该相似性度量对结构张量融合梯度场进行自适应尺度的相似性滤波。从而实现对融合梯度场的精细调整,使得显著目标更加突出,同时提升算法的鲁棒性与抗噪声性能。最后,本文设计了详尽的实验,对本文算法的各个组成部分逐一进行了可行性测试,同时将不同经典以及较新的多源图像融合方法与本文所提方法,在客观,主观,细节表现,抗噪声能力,鲁棒性等方面进行了详细地对比。实验结果表明,本文所提的基于局部结构相似性度量的梯度域尺度自适应滤波算法,可以有效地提升融合后图像的整体质量,融合更多的显著信息,同时兼具更好的抗噪声性能。