多传感器图像信息融合是一个正在兴起的,并有着广泛应用前景的研究领域.在智能机器人、医学影像、制造业、战场和法律、遥感等领域都有广泛的应用.当前图像融合的研究重点在于在提高融合影像的空间分辨率的同时,尽量保持原图像的光谱特征,从而保证后续分析理解的有效性.学术界在图像融合领域已取得了很大的成绩,图像融合方法也各种各样.但是,总的来说图像融合技术的研究还刚刚开始,有许多问题急需解决.该论文根据图像融合中的两个问题,提出了两种用于图像融合的算法.在多传感器的像素级图像融合中,如果对源图像进行线性运算以得到融合图像,源图像的置信度取值完全靠经验,并不能得到令人满意的融合效果.该论文提出了一种基于粒子群优化算法的像素级图像融合的算法.该算法可以根据融合的目的采用不同的融合指标,应用粒子群优化算法得到比较满意的融合图像,并且与其他的像素级图像融合方法进行了比较.传统的特征级融合采用先对源图像进行边缘检测,然后对检测后的轮廓图进行融合的方法.该方法在融合过程中只能利用二值图的信息进行融合,而摒弃了源图像梯度矩阵的相关信息.基于Sobel边缘检测梯度矩阵的图像融合,对使用Sobel算子计算所取得的梯度矩阵进行融合,使融合过程中包含了更多的源图像信息,并且可以比较自由的选择融合算法,从而取得了更好的融合效果.