近年来,数字成像设备的广泛使用使得数字图像数据成爆炸式的增长。单一的成像设备受制于成像机理、曝光时间、焦距等因素的制约,已经难以直接满足人们的生产生活需求。如何对多源图像进行有效的综合,从而提升单幅图像的信息丰富程度成为了重要的研究课题。像素级图像融合技术是利用图像处理算法来生成一幅比任意单幅源图像都更能充分、详细的描绘场景的新融合图像,以此来增强图像视觉效果以及后续处理能力。像素级图像融合技术目前被广泛应用于消费电子、医学成像、国防军事、遥感影像等各个领域。论文聚焦像素级图像处理中的几个核心问题:多模态医学图像融合、多聚焦图像融合、红外可见光图像融合以及多曝光图像融合,提出了四种不同的多源图像融合方法,希望能够对图像融合的发展做出贡献。文章主要提出了四种不同的基于变换域与空间域的像素级图像融合算法及其相关应用,主要提出了一种基于多尺度变换和稀疏表示的图像融合方法。所提方法通过非下采样轮廓（NSCT）波对图像进行滤波,将图像分为高频与低频两个部分。低频部分采用基于稀疏表示的图像融合方法,先将待融合图像分为8×8的图像块,而后采用主成分分析自学习方法构建稀疏表示字典,再利用L1最大值方法进行稀疏向量融合,即可获得低频融合结果。高频融合结果则是基于最大拉普拉斯能量和的融合方法来获取。随后对低频融合结果和高频融合结果,进行NSCT逆变换,得到最终的融合图像。与传统的基于多尺度变换和稀疏表示的图像融合方法对比,提出的方法在多模态以及多聚焦图像融合中,客观评价指标均具有一定的提升。提出了一种基于卷积神经网络和多尺度金字塔变换的多模态医学图像融合方法。所提方法针对获取高质量医学图像是医学图像融合的核心目标,采用孪生卷积神经网络以及高斯模糊前后的正负样本图像,构建了针对医学图像的权重图的产生机制,作为融合主干。融合过程中,采用训练的网络构建权重图,并采用高斯金字塔对权重图进行分解,获取权重图的高低频部分;采用对比度金字塔对图像进行分解,获取对比度金字塔下的输入图像的高低频部分。利用输入图像的高低频部分与权重图的高低频部分,即可获得最终的图像融合结果。实验结果证明,文中提出的方法相较于对比的医学图像融合算法在细节、对比度等方面都有了一定的提升。提出了一种基于自适应图像块尺寸选取与结构分解优化的多曝光图像融合方法。通过利用图像纹理熵值对图像局部信息进行评价,利用图像纹理熵值与图像块大小产生对应融合的效果评价指标的耦合关系,进行图像块大小的自适应选择。对于不同类型的多曝光源图像,选取不同的图像块大小进行融合。将图像分为图像块后,对图像块进行结构分解,对分解各部分进行融合,得到初步融合图像。最后利用结构相似度指标对融合图像进行优化,优化后的图像即为最终融合结果。对比实验结果表明,提出的方法可以获得高质量的HDR图像,具有更好的视觉效果和更详细的细节信息。此外,本章中还验证所提方法在通过图像融合来进行图像去雾的应用效果,通过实验证明了所提方法能够有效的实现真实有雾图像的去雾。提出了一种基于图像分解与色彩先验的空间域多曝光图像融合方法。提出的方法采用快速导向滤波进行二尺度分解,将图像分为基层与细节层。其次,利用色彩先验知识,通过亮度和饱和度的差值来判断图像的曝光程度,结合亮度和饱和度之差及图像对比度来计算多曝光图像的加权权重。最后,利用导向滤波对基层与细节层的权重图分别进行优化。通过直接加权获得基层与细节层,基层与增强的细节层相加即可获得最终的融合图像。通过实验证明所提方法具有良好的融合效果。此外,所提方法同样被应用到图像去雾中,通过实验证明了所提方法能够有效的实现对于真实有雾图像的去雾。总体来看本文提出的四种方法及其相关应用无论在融合精度还是创新性上都具有贡献。