受传感器成像原理和技术水平的限制,单一类型的传感器无法有效、全面地描述成像场景信息。而多源图像融合技术通过将不同类型传感器采集的图像加以组合,得到一幅可以更加全面、更加准确地表达场景信息的融合图像。由于融合图像的优良特性,多源图像融合技术在视频监控、遥感测绘、医疗诊断、数码摄影等多个领域有着广泛的应用。本文针对多聚焦图像融合以及红外与可见光图像融合中存在的边缘模糊、易产生伪影、噪声干扰、信息缺失等问题,从有效提取源图像的特征信息出发,充分利用边缘保持滤波的边缘保持特性,开展基于边缘保持滤波的多源图像融合技术研究。针对传统多聚焦图像融合算法中存在边缘模糊、易产生伪影的问题,研究实现了基于各向异性引导滤波（AGF）的多聚焦图像融合算法。该算法首先利用AGF滤波结果与引导图强相关的特性,设计了一种基于差异性引导框架的显著性特征提取方法,用以获取源图像的显著性特征图。同时通过梯度特征和强度方差构造一种复合聚焦度测量算子,用以判定特征的显著性,从而获取粗融合权重图。而后通过形态学滤波和AGF对粗融合权重图进行优化,并利用优化后的融合权重图指导源图像进行融合,得到最终的融合结果。实验结果表明,该方法在保持了空间一致性的同时,有效解决了传统多聚焦图像融合算法中的边缘模糊、易产生伪影的问题。针对传统红外与可见光图像融合中存在的噪声干扰和信息缺失问题,研究实现了基于边窗滤波（SWF）的红外与可见光图像融合算法。该算法首先利用边窗滤波优秀的边缘保持特性,建立了一种基于边窗滤波的多尺度分解模型,通过该模型将源图像分解为基础层和细节层。同时求解源图像的显著性特征图并通过比较像素的显著性得到初始融合权重图,再对初始融合权重图进行AGF优化得到理想融合权重图。而后通过理想融合权重图指导基础层进行融合以保持显著区域的连贯性,同时提出一种混合融合策略对细节层进行融合以更好的保留细节信息。实验结果表明,该算法可以有效降低传统多尺度分解算法中噪声产生的概率,同时减少了融合图像中的信息缺失。