图像融合是将同一场景的多幅图像合成一幅信息更全面且内容更丰富的新图像。它是多种传感器协同完成实际任务的有效途径，可明显改善单传感器成像的不足，提高系统的稳定性与可靠性。目前，在军事、视频监控、数码摄影，医疗诊断等诸多领域都具有很高的应用和研究价值。但是由于不同类型传感器采集图像的特殊性以及图像信息复杂性，图像融合技术还没有达到预期的效果。图像融合技术涉及两个关键环节，图像表示和融合策略的设计。在图像表示方法一定的情况下，融合策略的设计显得尤为重要。本文就基于多尺度分解这一类方法中存在的问题进行深入研究，结合图像视觉显著特征与局部结构一致化处理的前沿进展，主要工作包括：
　　(1)针对红外与可见光图像融合中目标不显著背景细节不丰富问题，提出一种基于多视觉特征的红外与可见光图像融合算法。同时考虑了源图像局部和全局显著特征，在基于非下采样轮廓波分解的图像融合框架下，利用兼顾视觉唯一性和目标性，并通过引导滤波一致性校验得到的权重图来指导分解系数的融合。融合算法对源图像中显著目标区域进行突出强调，融合图像细节更丰富背景更自然。
　　(2)针对多传感器图像融合中存在拼接效应问题，提出一种基于结构显著性度量和内容自适应一致性校验的图像融合方法。该算法利用源图像的结构梯度特征和视觉显著性，通过控制权值占比得到的综合特征来指导图像融合，有效的避免单一特征对不同类型源图像信息的提取不全面。在多聚焦图像、红外与可见光图像、医学图像上进行融合实验，主客观评价结果显示了算法良好的准确性和普适性。