图像融合可提取多源图像中的显著特征,以形成场景更加准确、可靠的信息感知。目前已经被广泛地应用于医疗辅助诊断、自动驾驶、无人机导航、遥感目标识别等多个领域。随着探测技术的不断发展,越来越多的探测手段将被开发,这对图像融合领域的发展带来机遇和挑战。现有的融合方法大多都是面向两个融合对象,这导致对于多波段图像不得不采取序贯式的融合方法,即:重复地将中间产生的融合结果与未参与融合的图像进行融合,直至所有图像被处理完毕。但是,反复融合必将导致算法复杂度明显增加,而且融合效果的缺陷也会被逐步放大。另一方面,由于成像原理差异较大,成像背景复杂,多波段图像（远红外、近红外和可见光图像）的融合备受研究者们关注。为此,本文深入研究了多波段图像的同步融合,其主要研究工作及创新点如下:（1）提出了基于非下采样剪切波变换（Non-Subsampled Shearlet Transform,NSST）和模糊推理的多波段图像同步融合算法当采用多尺度融合方法处理多波段图像时,往往会由于低频融合规则设置不合理而导致融合结果出现局部模糊现象。针对上述问题,结合NSST方法和模糊逻辑推理,提出了基于NSST和模糊推理的多波段图像同步融合算法。该算法首先用NSST的多尺度分解方法将源图像分解为高频信息和低频信息;然后根据分解子图像的特点,通过模糊逻辑推理来解决低频信息的融合问题,并对模糊推理参数的设置进行了研究,得到了一些有价值的相关结论。而对高频信息,则采用像素的绝对值作为其融合规则的评判标准;最后,在融合子图像的基础上,用逆NSST变换得到融合结果图像。实验表明,提出方法的融合结果能够凸显热目标,保留原始图像中的主要细节特征,取得了不错的融合效果。（2）提出了基于像素亮度和空间信息增强的多波段图像同步融合算法目前大多数算法未能考虑源图像的成像原理,因此在融合过程中可能会破坏原始显著特征的亮度信息以及空间位置关系,进而影响了融合结果的可视化效果。本文深入挖掘了多波段图像的成像原理以及特性的差异,并以近红外图像作为基准图像,用远红外图像和可见光图像分别来增强其热目标和背景以及边缘纹理等信息,最终达到融合的目的。算法首先根据多波段图像的成像特性,建立一个多波段图像同步融合的优化模型,并详细阐述了模型的含义;然后根据模型的性质利用交替乘子方向法的思想构建了模型的求解算法;另外,讨论了模型主要参数的选择方法;最后大量的实验表明,该模型得到的多波段图像融合结果在视觉效果和客观评价指标方面都明显得到了改善。（3）提出了基于潜在信息关联的多波段图像同步融合算法在多波段图像的融合过程中,源图像和融合结果之间潜在的关系往往没有引起足够的重视,这极有可能弱化输入和输出之间的关系,甚至引起一些奇异现象,例如模糊、伪影、块效应等。针对上述问题提出了一种基于潜在信息关联的多波段图像同步融合优化模型。首先,利用融合图像的低秩属性及其与多波段图像假设的线性映射关系建立了基于表示学习的同步融合模型;其次,将源图像中的显著局部信息通过拉普拉斯特征映射矩阵投射到目标空间;然后,根据交替乘子方向法的思想针对具体的问题构建了模型求解的方法;最后,还详细讨论了模型中重要参数的设置方法。实验表明,提出的算法很好地实现了多波段图像同步融合的目的,且未受到局部模糊和伪影等奇异效应的干扰。（4）提出了基于低秩和稀疏嵌入的多波段图像同步融合算法不难发现,在多波段图像中往往存在着很多冗余特征和奇异点,两者皆有可能干扰甚至淹没源图像的显著特征。为解决上述问题,提出了一种基于低秩和稀疏嵌入的多波段图像同步融合优化模型。首先,假设源图像和融合结果图像之间存在着线性映射关系,这有助于减少融合结果的不可预料性;其次,通过多波段图像低秩和稀疏属性的嵌入提取了图像干净的、有区别力的本征特征;然后,赋予映射矩阵特征选择的功能,并利用它将捕获的本征特征投影到融合结果中;最终构建了多波段图像同步融合的优化模型。另外,通过交替乘子方向法设计了多波段图像同步融合模型的求解算法。实验结果表明,该算法在视觉感受上,明显优于其他算法;在客观指标方面,最终融合结果也得到了较高的综合评价。