现代社会的许多领域中,经常使用多种传感器去捕获同一场景的多幅源图像,这些源图像包含了不同的信息,图像融合任务就是将多个传感器获得的不同信息进行融合处理,使得源图像间的信息互补并综合到一张图像中,得到的融合图像将更加有利于广大学者们的进一步研究以及其他行业的应用。对于图像融合任务,以往的稀疏表示方法对源图像进行分块处理,但这一做法会对图像的某些结构和特征信息造成一定程度的破坏,影响图像的整个结构特征。基于卷积稀疏编码的图像融合模型不受图像的维数制约,从而能弥补基于分块的图像融合模型的缺陷。本文基于卷积稀疏编码能较好保持图像特征信息的优势,研究了一种基于低秩分解和卷积稀疏编码的图像融合方法,设计了一种滤波器模型,主要创新性工作如下:（1）针对传统稀疏表示融合方法对图像进行分块处理从而影响了图像结构的问题,本文将每幅源图像进行全局处理。首先对源图像进行低秩分解,得到低秩和稀疏两个部分,然后对低秩成分和稀疏成分使用不同的融合规则进行融合。最后融合的低秩和稀疏成分相加得到融合图像。（2）由于不同图像成分所包含的信息不同,本文对于两种图像成分的融合设计了不同的融合规则。对于稀疏成分的融合,本文设计了一种滤波器模型,训练得到滤波器字典,将稀疏成分通过滤波器字典进行分解,得到相应稀疏特征图,再通过改进的基于拉普拉斯能量和的融合规则得到融合稀疏特征图,最后重构得到融合稀疏成分。对于低秩成分的融合,本文采用基于图像亮度信息的融合规则,得到融合低秩成分。通过对医学图像、多聚焦图像、红外与可见光图像三种类型的图像进行融合实验,实验结果验证了本文方法的有效性。