多传感器图像融合是一项综合同一场景多源图像信息的技术。由于可以有效利用不同信道的图像信息,近年来,图像融合得到了高度重视并在许多领域取得了成功的应用。针对在军事目标探测识别技术领域的需求,本文致力于为提高目标探测概率、目标识别能力和目标定位精度的多传感器图像融合技术研究。主要研究工作概括为;第一,研究了图像配准的概念、研究背景和现状、配准方法的分类和基本原理。在此基础上,本文进行了一定的改进和创新,针对红外和可见光图像在不同波段成像的特点,提出了一种基于快速边缘检测和最大化对齐度的图像配准方法。该算法抛开了图像的光谱特性,只考虑图像的边缘特征,非常适合于对不同波段光谱图像进行配准,能实现两幅甚至多幅图像的配准而不受图像灰度特性的影响,而且该算法的运算量较小,能快速的实现图像配准。第二,较深入、系统地研究了现有的几种图像融合方法和性能特点,提出了基于区域特征量测和拉普拉斯金字塔分解的多传感器图像融合算法。由于采用了图像的内部细节和结构信息来代替单个像素的灰度信息来参与运算,所以该融合算法能取得相对比较好的融合效果。由于拉普拉斯金字塔的固有特性,该算法的执行效率较高,运算速度较快。本文还研究了不同融合算法对融合性能的影响、各种融合方法间性能的差异与优劣等重要问题。研究结果表明,本文的方法优于其它几种图像融合方法。第三,对融合后的图像,利用几种评估方法对其进行定量评价并得到实验验证。针对实际应用场景,提出融合图像的熵是最为合理的评估参量,并利用该参量对不同算法所获得的融合图像进行性能评估。实验结果表明本文的评价方法和准则是合理的、有效的。第四,针对军事目标探测的模拟场景,利用本文提出的基于快速边缘检测和最大化对齐度的图像配准方法进行了多波段图像配准,对配准后的图像利用基于区域特征量测和拉普拉斯金字塔分解的算法进行了图像融合,取得了很好的效果。本文较全面、深入、系统地研究了多传感器图像融合和配准的原理、方法及其性能评价。通过大量的实验和计算分析得到的结论,对图像融合技术研究具有借鉴作用和参考价值,当然,本文提出的方法还可以更进一步地改进,有待今后工作中实施。