多传感器图像融合技术能够协同利用多种成像传感器，通过提取和综合来自同一场景的多个传感器的图像信息，获得对目标更为准确、全面、可靠的图像描述，使之更适合视觉感知或计算机后续处理。对于同一场景的多传感器图像之间既有冗余性又有互补性，因此多传感器图像融合能够从多个视点获取信息，扩大时空传感范围，有效提高系统的可靠性和图像信息的利用效率。目前，多传感器图像融合己成为图像理解、计算机视觉以及遥感领域中的一个研究热点，并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域。像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广，是特征级融合和决策级融合的基础。本文针对像素级多传感器图像融合方法和应用进行了深入研究。　　 本文首先对图像融合的基本概念和融合方法进行了简单介绍，包括融合体系结构、传感器性能特点、常用融合方法，并对融合图像质量的评价标准分别从定性与定量方面进行了归纳总结。然后对一些常用的基于空间域与变换域的图像融合方法进行了深入分析，包括灰度值选取方法、加权平均方法、PCA方法、伪彩色方法；拉普拉斯金字塔分解方法、比率低通金字塔分解方法、对比度金字塔分解方法、梯度金字塔分解方法、小波变换方法；以及PCNN方法等，并根据主、客观评价准则对各种方法的融合效果进行了对比分析。在此基础上，针对传统方法的不足，提出了相应的改进，包括改进的伪彩色融合方法、基于边缘检测的融合方法、基于区域均匀度测度和梯度的融合方法以及改进的自适应PCNN图像融合方法，改善了原有的缺点，取得了良好的效果。在图像融合规则的选取上，研究了基于像素的选取准则以及基于区域能量测度和一致性验证的选取准则，从融合结果可以看出基于区域测度融合准则的优越性。　　 此外，本文还讨论了基于PCNN图像融合的一般方法，重点研究了自适应PCNN与小波变换相结合的图像融合方法，对PCNN的参数进行了详细分析，得出了一些有用的结论，指出连接强度与图像的局部熵有关，提出了可以根据图像局部熵来自动调整连接强度等，从而更符合人类视觉系统的特点，获得更好的融合效果。综合评价分析可知，本文提出的自适应PCNN图像融合方法在提高空间分辨率的同时，较好地保留了原始图像的细节信息。　　 利用本文所提出的多传感器图像融合方法重点对红外与可见光图像融合情形进行了深入研究，并扩展用于多聚焦可见光图像融合、医学图像融合等场合。融合结果表明，针对不同融合目的本文提出的融合方法和准则有效地提高了图像融合质量。