随着传感器技术的迅猛发展,越来越多用于完成不同功能的传感器被应用到各个领域中,传统的单一传感器模式逐渐发展为多传感器模式。由于不同传感器获取的多源数据具有互补性和冗余性,因此多传感器模式可以提供更加全面、丰富、可靠的目标观测信息。本文针对多传感器数据拼接、配准以及融合算法进行了研究,主要研究工作和研究成果包括如下几个方面：(1)本文设计并实现了基于可见光、红外以及高光谱图像的拼接与融合系统。该系统主要包含相同传感器子图像低重合率拼接、不同传感器图像间高精度配准与融合,以及其它辅助功能。(2)针对相同传感器子图像规格为4×4,相邻两幅图像之间的重合率小于2%的需求,提出了一种快速的随机取点等距离匹配图像拼接算法。该算法在相邻两幅图像之间以相同步长移动比较区域,同时在比较区域中采取随机取点的方式,计算对应点的色彩差值并累加,若达到一定的阈值则停止计算。在移动比较过程中计算次数最多的比较区域中心位置即为最佳匹配位置。同时还在拼接系统中实现了一种模板拼接算法,作为备用算法。(3)针对红外与可见光图像间的配准,采用基于SIFT特征点的图像配准算法；对于红外与高光谱数据的配准,提出了一种基于Harris角点与Hausdorff距离的配准算法。通过实际图像验证,系统能够很好地完成这两种图像配准任务。(4)在分析可见光、红外、高光谱通道图像特点的基础上,对相关算法进行改进,然后进行多传感器图像融合。对于变分PDE方法,采用基于梯度下降流的变分模型,并进行融合实验；对于多分辨率分析,以区域相关性为依据,分别基于小波和Contourlet变换进行分解融合。实验分析表明,融合算法能够满足系统需求。