多传感器数据融合理论研究和应用的目标是将来自多信息源的数据和信息加以智能化的合成，产生比单一传感器更精确、更完整、更可靠的描述和判决，它在军事和民用方面有着极为广泛的应用背景，是目前科技界的一个热门研究领域。本文围绕着数据融合的三个层次：像素级融合、特征级融合和决策级融合，深入研究了多传感器图像融合、彩色纹理图像分析和雷达组网探测系统，并提出了一系列新的思想和方法，取得了良好的效果，主要内容如下：* 针对à trous小波融合方法中存在的叠加融合问题，提出了一种新的基于à trous算法的多光谱与高分辨率图像融合方法。该方法首先在à trous小波多分辨分解基础上建立了分区域融合的思想，并用进化策略成功地解决了区域划分中阈值如何确定的问题，然后提出并证明了一个有效的融合因子。融合实验表明：该方法优于IHS变换法和à trous小波融合法。* 针对Mallat小波融合方法中存在的问题，提出了一种新的基于Mallat算法的多光谱与高分辨率图像融合方法。该方法通过融合因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去，实现了对已有Mallat小波融合方法的改进。* 详细地分析了拉普拉斯塔形分解的图像融合方法和Mallat算法的小波图像融合方法中存在的问题和缺点，提出了一种基于小波分解和进化策略相结合的多聚焦图像融合方法。该方法的优越之处在于充分地利用了移不变小波分解所呈现的多尺度、多方向的冗余信息，克服了Mallat小波融合法中的移变性缺点，避免了融合图像重构所带来的振铃效应。* 在灰度级纹理图像分析的基础上，研究了彩色空间转换，提出了一种基于不完全树型小波分解多特征融合的彩色纹理特征提取方法。它更全面、准确地刻画出彩色纹理的颜色特征、纹理特征及颜色与纹理的空间相关特征；同时在特征级融合基础上，针对3种不同的小波分解，研究了彩色纹理图像的分类性能及抗噪能力比较，得出不完全树型小波分解基础上的特征级融合及分类是我们的首选方案。* 针对雷达组网探测系统，将软阈值决策小波域滤波算法用于非平稳雷达回波的噪声抑制，并将此算法与多传感器并行分布式检测融合系统有机地结合在一起，提出了N-P准则下融合规则和局部判决规则之间相互关系的理论分析方法。仿真实验表明：综合算法的实现明显提高了雷达探测系统的检测性能。