近年来,传感器技术日益更新,通过其获取的图像信息也越来越多,这就对图像处理技术提出了更高的要求。在获取的众多源图像中,难免会出现存在缺陷的图像,例如图像存在区域破损、亮度不佳等缺陷。本文主要对存在缺陷的多分辨率图像的修复融合算法展开研究,并应用于智能感知无人车中。本文首先对图像融合的应用领域做了简单介绍,总结了常见的图像融合预处理方法、图像融合的层级、融合算法的分类以及常用的质量评价指标。然后,提出了一种基于卡尔曼滤波的图像修复融合算法以及一种基于小波变换和导向滤波多尺度分解的图像融合算法。基于卡尔曼滤波的图像修复融合算法主要对存在区域破损的可见光图像进行修复补偿,该算法首先通过梯度域边缘检测的方式确定破损区域位置,然后通过卡尔曼滤波分块融合算法和改变破损区域新息值的方式对缺陷区域进行修复,最终获取的融合图像会在很大程度上消除破损区域的影响。该算法通过对无人车拍摄的源图像进行仿真,证明了其有效性。基于导向滤波多尺度分解的小波变换算法通过引入红外图像来实现夜视条件下可见光图像的增强修复,该算法首先通过小波分解使源图像具有相同分辨率的分量,然后通过基于导向滤波的自适应增强算法对可见光图像的低频分量进行增强,最后采用导向滤波多尺度分解以及加权平均融合的方法作为小波变换的融合规则,实现夜视可见光图像与红外图像的融合。仿真实验表明,上述算法均可得到良好的融合结果。