随着图像融合成像技术的应用拓展,融合对象和融合任务已向多元化和多样化方向发展。异源图像间的信息差异以及同源图像间的信息冗余,给图像融合技术带来一系列困难和挑战。如何建立有效的、鲁棒的信息提取和融合规则为完成融合任务提供有利的支撑是亟待研究的课题。本文围绕异源、同源图像融合中典型融合问题,以图像稀疏表示和子空间表示为算法理论展开深入研究。主要研究内容如下:1.针对传统稀疏表示方法在提取异源图像特征中存在空间不一致的问题,提出一种联合卷积稀疏表示模型。该模型以卷积稀疏表示为框架,并通过联合稀疏编码的方式,实现了异源图像全局稀疏形式的共有特征和独有特征的提取。实验表明,相比传统稀疏表示,该模型在特征提取的全局性方面具有良好的性能,从而保证了特征提取的空间一致性。2.针对传统子空间表示在提取同源图像特征中存在细节丢失问题,提出一种联合低秩表示模型。该模型通过低秩表示构建联合低秩表示,以共有低秩部分对同源图像间的共有特征（共有主成分）进行表示及提取。同时该模型通过稀疏部分对同源图像的独有特征进行联合表示及提取。实验表明,相比传统子空间表示,联合低秩表示在特征提取的准确性方面具有良好的性能,从而避免了特征细节丢失。3.针对红外与可见光图像融合中的局部目标的红外强度下降,场景细节模糊等问题,提出一种基于联合卷积稀疏表示的图像融合方法。首先,该方法利用联合卷积稀疏表示,以全局稀疏形式提取红外图像独有特征（目标强度）和可见光图像独有特征（场景细节）。其次,通过设计参数化权重融合规则对提取的特征进行合理的融合,以实现最终图像融合。实验结果表明,该方法在融合图像局部目标强度和保留场景细节上优于传统稀疏表示融合方法。4.针对多聚焦图像融合中的聚焦区域的边界模糊问题,提出一种基于联合低秩表示的多聚焦图像融合方法。该方法首先通过联合低秩表示,提取多聚焦图像间的非聚焦区域特征和聚焦区域特征。之后,设计局部领域度量规则,以获取融合决策图,并指导最终图像融合。实验结果表明,该方法在去除融合图像中聚焦区域的边界模糊方面优于传统多聚焦图像融合方法。