图像信息融合能够以软件手段把对同一目标或场景的不同图像,综合成对同一目标或场景的全面、准确的描述,它在医学、遥感、军事等领域有着较为广泛的应用。良好的图像融合方法能够为后续的计算机自动化处理奠定坚实的基础。本文分析了当前图像融合方法的研究现状,深入研究了各类图像融合方法的理论,以提升图像质量及有利于后续应用为最终目标,针对噪声图像融合、图像质量评价参数对图像融合策略的作用、多光谱和多时相遥感图像融合以及基于学习的融合权重构造等开展相关的研究。论文主要研究工作及成果如下：(1)针对噪声图像的融合,提出了结合多尺度框架和总变差模型的融合框架。该多尺度分解框架中,采用主成分分析方法进行多尺度分解与重构。一种变换要能够运用于多尺度分解框架中,必须具备正变换和逆变换的能力,主成分分析不仅可以用于分解图像并且能够较好地重构图像,因此在多尺度分解框架中的运用具有可行性。新的融合框架解决了总变差模型在图像融合过程会出现块状效应的问题,也克服了多尺度分解框架对于噪声抑制能力较差的弱点。实验表明,新框架中总变差模型的引入不仅有利于降低图像噪声,还有利于多光谱图像和全色图像融合中光谱信息的保持；基于主成分分析的多尺度分解方法的引入能够较好地避免总变差模型中出现块状效应的现象。(2)提出了基于图像质量评价参数的融合准则。多尺度分解过程中的融合准则包括近似图像融合准则和细节图像融合准则。通常各分解层上图像进行融合时,融合准则均根据当前层图像的相关信息进行融合,研究图像分解过程可以发现,随着分解层次的增加,图像信息量逐渐减少,这种现象在近似图像中更为明显。因此,本文建立了运用多尺度变换中的上层信息来完成当前层近似图像信息融合的策略,将对应图像的质量评价参数分别用于建立近似图像和细节图像的融合准则。在多尺度融合框架下的实验表明,该融合准则能有效地提取近似图像和细节图像信息。(3)提出针对多光谱和多时相遥感图像的基于多重集典型相关分析(MCCA)的近似图像融合准则。MCCA可以提取多组对象之间的相似信息,用于近似图像的融合,能够在剔除相关性较小信息的同时,提高融合图像的质量。该方法首先将遥感图像进行小波变换获取近似图像,然后针对近似图像采用基于MCCA的准则进行融合,用取大原则完成细节图像融合,最后经由逆变换实现组内图像的融合。与其他方法相比较,该方法能够同时处理多组图像,并且最终得到的融合图像与源图像的相关性更为密切。(4)针对有训练集的情况,提出了结合核广义典型相关分析(KGCCA)与维纳滤波的方法,将其用于寻找相似图像、构造融合所需的权重函数,从而形成一种新的融合思路和方法,并应用于图像去噪。该方法首先运用提出的KGCCA对图像进行了特征抽取,并进一步与核Half典型相关分析(KHCCA)结合提出了核Half广义典型相关分析(KHGCCA)算法,为了减少核空间内数据计算量,提出了相应的快速算法；随后将抽取的特征与维纳滤波结合,构造出当前图像与训练集内图像的相似性函数,最后以该函数值作为融合的权重,对应的训练图像作为相似图像得到融合后结果。为了验证所提算法的性能,分别在人脸数据库以及手写体字符数据库上进行了相关实验,实验表明,该方法所提取的特征与其它特征相比更有利于提高识别率；在对噪声图像的实验中,图像恢复的效果则进一步证明了融合权重选取恰当；通过对算法时间消耗和性能的比较表明,在加入快速算法后,所提出的方法在提高效率的同时仍然能够获取较好的融合效果。