分布式感知技术已广泛应用于战场实时监测、环境监测与灾害预警、工农业控制、智能家居等场景。由单源传感器构成的协同感知系统在复杂多变的任务场景下存在信息局限性,无法对任务场景进行准确可靠的描述,当前分布式协同感知系统呈现异构化、多源化的特点。分布式感知技术在区域协同感知任务中的服务质量极其依赖于传感器节点的拓扑构型和异源传感器之间的感知信息融合。针对这一问题,本文开展分布式感知拓扑构型及信息融合技术研究。本论文的主要工作和创新性贡献包括:一、提出一种基于聚类感知收益的分布式感知拓扑构型方法。以不同成像类型传感器在不同任务环境中的感知效益为准则,首先基于K-means聚类算法,对目标任务区域的卫星图像根据区域颜色特征进行地形聚类,并对不同源传感器在不同地形聚类上的单位面积感知收益进行评估,以半自主的方式构建区域感知收益模型;然后基于传感器节点通信模型、感知模型与区域感知收益模型,设计了分布式感知拓扑构型问题系统模型;最后采用混合遗传粒子群优化算法,对系统模型进行求解。仿真实验表明所提出的算法可以将异源传感器节点分配到适合其发挥感知优势的任务区域,提升分布式感知系统的总区域感知收益。二、针对执行分布式感知任务时出现的多个非同源传感器对同一片任务区域进行监测的情况,设计了适用于异源图像匹配的图像梯度信息提取方法,并提出了一种基于多维HOG特征匹配的异源图像匹配算法m DM-HOG,最后基于小波变换实现异源分布式感知节点的图像信息融合:（1）分析了异源传感器图像之间的像素强度差异与成像特性,针对不同源图像分别采用不同梯度算子设计了梯度信息提取方案,有效地减少了图像中大量噪声和非线性像素强度变化对特征鲁棒性的负面影响;（2）针对传统的图像匹配算法对噪声、光照变化、非线性强度变化和异源图像像素强度差异敏感,导致无法精准匹配的问题,基于所提取的梯度信息,采用基于结构和形状特征的HOG特征作为描述子,构建了逐像素三维HOG特征图,实现了对局部目标的形状与边缘信息的准确描述;（3）提出了一种基于FFT-NCC的逐像素多维特征匹配算法,将提取的三维HOG特征图分成九个二维子图,在每个子图中引入NCC相似度测量,并利用FFT减少了算法计算量,通过滑动模板窗口筛选最佳匹配点、排除错误的匹配点,实现了异源图像之间的精准匹配,最后根据异源图像匹配结果,基于小波变换对异源图像进行融合。仿真结果表明,相比于现有的NCC、CAMRI、HIM-Net算法,所提出的m DMHOG算法具有更高的匹配正确率与更低的正确匹配误差,在误差分布上的表现优于其他算法。在公开的遥感图像数据集SEN1-2中,本文算法的正确匹配率为73.59%,与HIM-Net算法（74.61%）持平,远远高于NCC（7.25%）与CAMRI（40.93%）算法;本文算法的平均正确匹配误差为1.16像素,低于其他三种算法;在误差分布方面,本文算法在误差小于1像素的占比最高,在误差大于4像素的占比最低。所提出异源图像匹配与融合算法能够在保留异源图像重要细节的前提下对异源感知信息进行无重叠、无阴影的精确融合。本文研究的分布式感知拓扑构型与信息融合技术可应用于体系化协同场景下的区域实时协同感知,对分布式感知系统的整体感知性能优化、服务质量提升、多传感器节点联合感知、协同决策等具有重要的理论和现实意义。