图像融合技术用于将两幅或多副对于同一场景具有信息互补特性的图像融合成一幅图像,它能有效结合源图像间的独有特征,并剔除他们之间的冗余信息,从而达到对场景信息更加准确和细致的表达。红外与可见光图像融合、医学图像融合是图像融合处理中的两个重要方面。红外与可见光图像融合在提取图像可见光细节信息的同时,还能弥补人眼无法获取的夜间视野;医学图像融合则可以有效结合不同模态的医学图像的信息,为临床诊断和治疗提供帮助。本文针对红外与可见光图像融合、医学图像融合进行了专门研究,主要的研究内容包括:(1)在红外与见光图像融合方面,针对传统融合算法忽略图像空间连续性,导致伪迹产生的问题,本文提出了一种基于引导滤波的双通道图像融合算法。首先运用均值滤波器对源图像进行分解,得到源图像的基础层和细节层。然后用相位一致性算子对基础层进行显著性检测,用拉普拉斯能量和算子对细节层进行显著性检测。最后,利用引导滤波算法构建源图像基础层和细节层的融合权值,并将两通道分解的图像重建得到融合结果。(2)在医学图像的融合方面,针对传统像素域融合算法不能有效保持源图像几何特征的局限性,本文提出了一种基于非线性结构张量与变分模型的融合方法。首先,在空间域构建了一个适用于医学图像融合的能量泛函变分模型。然后,利用源图像结构张量的非线性变换,构建了变分模型中的梯度逼近项。其中,我们利用回滚滤波器对源图像进行边缘保持滤波,并结合拉普拉斯能量和算子对滤波图像的显著性检测,构建了结构张量非线性变换的权值;其次,基于NSST多分辨率分析的融合结果,构建了变分模型中的保真逼近项;最后,通过梯度下降法,实现了结构张量非线性变换参数的优化求解,同时得到了最终融合结果。实验仿真结果表明,本文提出的融合方法不仅能有效保留源图像的细节,还能抑制伪迹的产生,显著地增强融合结果的空间连续性。与目前流行的多尺度融合法及引导滤波融合法进行比较,本文方法无论在主观视觉效果,还是客观指标方面都能取得更优的表现,说明了本文方法的合理性及有效性。