多传感器技术的快速发展使人们能获得大量同一区域的多源图像。不同类型的传感器获得的图像包含的信息不同，将两幅或多幅图像融合为一幅图像的过程称为图像融合，融合后的图像综合了各源图像的信息，更有利于对区域目标进一步分析、理解以及目标的检测、识别或跟踪。多传感器图像融合技术是数据融合领域中十分重要的技术，并在许多领域有着重要的应用，包括遥感领域、医疗诊断、计算机视觉等。根据数据信息抽象所在层次的不同，图像融合可分为像素级、特征级和决策级融合，本文主要讨论像素级融合的问题。本文主要针对多传感器图像融合方法进行研究，首先介绍了图像融合的基本概念，包括融合的流程，常用的融合方法等。从定量和定性的角度对图像融合质量的评价标准做了详细的介绍。其次介绍了图像融合的预处理，包括图像去噪和图像配准，其中详细介绍了图像配准的概念、方法和步骤，并提出了一种基于灰度信息和角点特征的图像配准方法，该方法提出了一种新的相似度度量方法，并采用EML算法求解最优值。实验表明本文方法能够得到较高的配准精度，并且具有更广泛的适应性。针对多聚焦图像融合应用，本文提出一种基于差分进化算法的图像融合算法，并应用于多聚焦图像的融合中。差分进化算法用于优化基于区域的融合中，区域或分块的大小。本文提出的融合方案是先将源图像分成若干互不重叠的块，然后将经过评价函数计算得出的满足清晰度要求的块用于图像融合中，块的大小由算法自适应地调整，以保证块的大小能使得融合图像最清晰。以Pepsi图像为例进行实验，并与拉普拉斯金字塔融合算法、小波变换算法、基于GA的图像融合算法进行对比，结果表明，本文方法获得最佳的融合效果，并且本文算法的收敛速度也优于基于GA的图像融合算法。