信息融合概念最早出现于20世纪70年代。自那以后，信息融合吸引了人们越来越多的关注，并广泛应用于自动目标识别、自主飞行器导航、机器人、遥感、医疗诊断以及复杂工业过程控制等领域。图像中蕴涵着丰富的信息，如何获取这些信息并采用有效的手段进行融合是模式识别中的一项重要课题。它需要将图像处理理论与信息融合方法进行有效结合。　　图像配准是信息融合研究中的一项重要课题。对于一些计算机视觉和模式识别任务而言，图像配准是其关键和先决条件。系统比较了基于特征的配准方法和基于区域的配准方法各自的优势和局限。提出了一种实用的两步式图像配准算法。该算法有效结合了基于特征的方法和基于区域的方法二者的优点。其中，算法第一步为基于Hausdorff距离的粗配准算法，完成了对两幅图像主边缘的粗配准。该算法无需在特征之间建立一一对应关系;与其它基于Hausdorff距离的配准方法进行了比较。第二步采用一种基于区域的精配准算法，进一步提高配准精度。该算法兼顾了配准的精度和效率。　　自动配准方法往往受到一些客观条件的限制。作为自动配准方法的补充，提出了一种半自动图像配准方法。首先，通过人机交互，选取少量控制点进行粗配准。然后，在此基础上利用整体图像信息进行精配准。该方法也适合小批量图像的配准问题。　　相对单幅图像配准而言，序列图像的配准问题更加复杂。提出了一种序列图像时间－空间配准的计算框架。该框架适用于摄像机静止的场合，而且所拍摄的序列图像中有运动目标存在，但在序列图像的开始阶段为静止背景。该框架可以配准来自相同或者不同类型传感器的序列图像。在两个传感器的启动时间相差很大的情况下（这时两个图像序列之间有几百帧的偏差或更多），该框架也能很好的处理。对于不同的空间变换模型只需要对框架的相应部分进行修改即可。首先，对静止背景进行配准，得到空间变换的初始估计;然后，利用运动目标质心的对应关系得到时间变换的初始估计;最后，利用共同信息计算出最终配准结果。其时间域配准精度可达到亚帧级。　　如何在一幅给定图像中搜索特定的目标是模式识别与计算机视觉领域中的一个重要问题。利用Hausdorff距离来比较给定目标模板与搜索图像中一部分在形状上的相似程度，从而确定在搜索图像中的目标位置是一种有效的方法。利用Hausdorff距离算法的关键是高效算法的设计。对现有的利用Hausdorff距离的高效方法进行了分析和讨论，并重点研究了在仿射变换条件下的目标搜索算法。提出了一种新的距离变换概念—”最小正方盒距离变换”，并在此基础上给出了一种仿射变换下基于Hausdorff距离的目标搜索高效算法。与现有最优算法比较，该方法在不影响搜索成功率和目标定位精度的条件下，显著地缩短了搜索时间。它既可用于单传感器图像中的目标搜索，也可用于经像素级融合后多传感器图像中的目标搜索。　　利用图像进行飞机目标识别在军用和民用领域中有着重要的研究和应用价值。现有的大部分研究主要集中在利用单一传感器图像进行目标识别方面。采用可见光CCD像机和7-14微米长波红外像机两种不同传感器的图像序列实现了对准备降落的飞机的融合识别。在进行此项研究时，尚未见到类似的相关研究的报道。综合运用图像处理和模式识别技术，成功地将信息融合理论用于可见光/红外传感器图像融合识别，解决了不同类型的空中飞机目标的识别问题。信息融合在特征级和决策级两个层次上进行了实现。对这两个层次所采用的方法进行了理论分析和实验比较。该研究为今后开展类似的研究奠定了基础。　　序列图像中运动目标识别与跟踪是模式识别、图像处理、机器视觉和制导领域中的重要课题。从信息融合角度出发，将图像灰度信息和边缘信息用于基于模板匹配的图像跟踪，有效地克服了单一信息源所提供信息的不足，改善了跟踪性能。该方法既可以用于单传感器序列图像，也可用于多传感器序列图像。