随着传感器技术的迅猛发展,各种传感器被大量用于采集各式各样的图像,涉及到的领域十分广泛,但是,同一场景下单一传感器所采集的图像常常不能表达出完整的场景信息,为了能够在一幅图像中展示出更加全面的场景信息,通常需要对不同类型传感器获得的图像加以配准、融合。本文主要对异源图像融合的关键技术及其应用进行了相关研究,其中,异源图像融合的关键技术包括异源图像的配准及像素级的图像融合,并且在DSP和GPU上对图像融合算法进行了实时实现。本文介绍了基于SIFT特征和基于互信息的异源图像配准方法,分析了两种方法在异源图像配准应用中的优缺点。针对实际应用场景结合两种方法的优势,引入人工辅助实现了更高精度的半自动化异源图像配准技术。本文侧重研究了异源图像融合方法,首先对鲁棒性主成分分析(RPCA)、小波变换(DWT)以及非下采样轮廓波变换(NSCT)的基本原理以及在异源图像融合中的应用进行了研究。在此基础上,本文提出了一种基于RPCA、NSCT与DWT的双变换混合图像融合方法,并根据该方法的融合框架对融合策略进行了改进。双变换混合融合方法可以有效地结合RPCA、NSCT与DWT的优点,提高异源图像融合算法的融合质量。最后,本文对提出的方法与传统方法进行了仿真实验对比,通过实验结果可以看出,本文方法在融合图像主客观评价指标上有良好的表现。本文对图像融合方法的实时实现进行了研究,基于DSP平台与GPU平台分别对融合算法进行了实现。通过对代码与算法的优化,并引入并行计算实现了红外光图像与可见光图像的实时融合,提高了这些融合算法的实用价值,拓展了它们的应用领域。