近年来,借助图像处理与模式识别理论的枪弹壳(文中简称弹壳)痕迹分析技术迅速发展,在证据科学中扮演了重要角色。由于光学系统的局限性和击针痕迹的深度,拍摄的一幅弹壳图像中很难兼顾:击针痕迹所在局部位置获得丰富与清晰的细节,同时又能反映弹壳底面的整体结构。因此,我们拍摄上述两种图像,通过图像配准与融合方法形成的结果图像能将两种图像信息互补,使专业人员分析及后续计算机处理更加便利。本文首先介绍了图像配准与融合的概念与主流方法,分析了研究现状。文中的研究重点在图像配准阶段,探索了两种弹壳图像配准方法。方法一:基于集成机制与自适应规则的弹壳图像配准方法,属于基于特征的方法。因为选用的弹壳图像具有相似性纹理,原有基于特征的弹壳图像配准方法含有错误特征匹配,且传统去除误匹配方法效果不好。因此,本文依据弹壳图像特点,分别运用了三种去除错误匹配方法:图变换匹配、自适应K-均值聚类的角度约束或尺度约束。为了能将上述三种方法优势互补,采用投票机制将这些方法集成,同时利用遗传算法组合参数,自适应地选择参与集成。实现因“每对图像而异”,优化配准结果。方法二:基于Fourier-Mellin变换的弹壳图像配准方法,属于基于区域的方法。采用对-极坐标及Fourier变换理论,根据相位相关值找到最优配准位置。上述两种配准方法结束后,精炼配准结果。最终,利用像素级融合方法得到流畅的视觉效果。通过对弹壳图像集进行实验,验证了集成机制与自适应规则能有效的去除错误特征匹配,并将两种配准方法的性能进行了分析。另外,融合后结果图像相较于原任一幅图像,信息量更大,便于后续弹壳痕迹分析。