随着传感器技术的迅速发展，单一的可见光模式逐渐发展为多种传感器模式。为了克服单一传感器在光谱、时间和空间分辨率等方面存在的局限性和差异性，充分利用多源传感器的数据信息，各种数据融合技术快速发展起来，将多传感器获得的丰富信息融合到一个新的数据集中。其广泛应用于军事目标识别、场景理解、安全监控、智能机器人、遥感测绘、医学图像处理等领域。本文针对多源传感器信息融合技术展开研究工作，特别是以红外图像与可见光图像的融合，机载激光雷达数据与可见光影像的融合为主要研究对象，主要研究内容包括:　　对于图像融合预处理技术，针对非制冷凝视型红外焦平面阵列成像系统中特殊的条纹噪声，分析了其产生机理，提出了一种基于亮度恒定假设和配准的条纹非均匀性校正算法。基于多帧之间的全局位移估计，利用最小均方算法迭代计算均方误差函数，同时结合误差函数均方差以及互相关峰值，提出了一种基于多帧配准的红外焦平面阵列非均匀性自适应校正算法。充分利用相邻多帧之间的相关性，自适应场景变化，对模拟和实际红外图像序列非均匀性的校正效果突出，能够有效抑制“鬼影”的产生，解决了收敛速度慢以及场景自适应性差的问题。　　在多源传感器图像融合算法方面，针对图像融合中的目标不够突出以及细节纹理不够丰富等问题，分析了传统的基于变换域的多源传感器图像融合算法，特别是基于非下采样Contourlet变换的图像融合方法。为了突出融合图像中的目标特征，研究了基于区域分割的图像融合方法，提出了一种基于Meanshift的模糊C均值聚类区域分割方法。对待融合图像采用非下采样Contourlet变换进行分解，将分解后得到的图像高频和低频系数与区域分割结果进行关联，提出了一套区域自适应融合策略，根据场景自适应融合规则进行图像变换系数的融合处理，最后通过大量实验数据分析验证了该算法能够得到较高质量的融合图像。　　针对多源传感器信息融合领域中的红外与可见光图像彩色融合对比度差、颜色信息不够丰富自然以及目标不突出等问题，提出了一种基于多分辨率的图像假彩色融合算法。在YUV颜色空间内，对三通道图像同时采用拉普拉斯金字塔分解和基于参考图像的颜色映射技术;根据场景自适应融合策略并结合本文提出的基于区域能量比的对比度提升方法进行灰度融合以及色彩传递。该方法在保持颜色自然感的基础上，具有符合人眼视觉系统的全局和局部对比度，目标比较突出，并且融合得到的图像颜色丰富，清晰度高。　　在研究了现有机载激光雷达数据与可见光影像匹配融合算法的基础上，为了稳健适应各种复杂场景下无初始先验的自动配准融合问题，提出了一种基于深度图像的自动配准融合方法。首先利用数学形态学滤波对点云数据进行预处理，进而使用Delaunay三角剖分算法结合深度信息进行灰度级的颜色映射得到点云数据的深度图;利用本文提出的基于颜色内相关和自适应支撑权重稠密立体匹配算法得到光学影像的深度图;利用尺度不变特征变换配准算法进行深度图的匹配，通过使用两步RANSAC算法剔除深度图的误匹配点对，从而得到高精度的相机位置参数估计;最后进行颜色、纹理映射融合。无需相机初始位置先验(GPS/INS)，不依赖人造建筑的强特征（线，边缘等），自动化程度高，能够得到高精度、高鲁棒性的匹配融合结果，最后通过大量实验数据分析验证了该方法。