同一场景可以通过多种传感器捕获多幅图像,每一图像包含不同信息,图像融合技术就是整合多个图像的互补信息,使融合后的图像对场景描述更加全面和清晰。如今,图像融合技术已广泛应用于遥感探测、医学诊断、国防安全、工业检测等领域。然而,现有融合技术仍然存在一些亟待解决的问题。比如,当要融合的图像受损时,现有的融合方法无法在融合处理过程中恢复出丢失信息。通过图像融合和矩阵完备的逐步操作可部分恢复图像的丢失信息,但这种分步式操作却不可避免地会导致噪声传播,从而使最终的融合结果受到干扰。为解决图像融合和矩阵完备逐步处理所存在的不足,本文提出了一种新的多源受损图像融合与恢复联合实现算法。论文的主要工作包括:（1）在此框架内,首先假定图像由低秩和稀疏成分叠加,为了有效分离图像不同成分以便分别融合和恢复它们,本文提出了一种低秩和稀疏字典学习模型,并引入低秩和稀疏分量的条件约束,以促进不同分量的分离。（2）本文设计了一种图像分解模型,基于此设计,可以通过分解图像来恢复丢失信息,无需使用其他算法。最后,采用最大L1范数融合规则合并不同分量的编码系数。（3）我们建立了图像融合和恢复联合实现框架,可以同时执行图像融合和恢复。该方法可以避免图像融合与恢复逐步操作引起的干扰传播。实验结果表明,本文所提出的多源受损图像融合与恢复联合实现框架能很好地保留原图像亮度和细节信息,并且在主观和客观评价上均优于逐步处理方法。