图像融合技术通过充分运用多个输入图像的冗余信息与互补信息，使得结果图像拥有更丰富的光谱信息与更高的分辨率，更合乎人类的视觉感知特性，更便于后续的图像处理、目标检测、识别与跟踪。图像融合在医学成像与医学病理诊断、遥感测绘、数码摄影以及社会安全方面均有极高的应用价值，设计提出可行高效的图像融合方法意义十分重要。多聚焦图像融合、可见光图像和红外图像融合是其中的两个重要分支。然而，面对由于目标运动和摄像机运动引起的源图像误配准问题，现有的图像融合方法效果并不理想。针对这一难题，本文提出了一种多特征提取与分类同随机行走优化相结合的多聚焦图像融合方法，并在此基础上结合红外图像自身的图像特性，进一步提出了一种随机行走多尺度可见光与红外图像融合方法。本文的主要研究内容如下：
　　1)针对由于目标运动和摄像机运动引起的源图像间的误配准问题，本文提出了一种多特征提取与分类同随机行走优化相结合的多聚焦图像融合方法。该方法首先分别对输入图像的颜色、纹理、梯度以及形态特征进行提取，并通过多项逻辑回归提取每幅源图像的初始聚焦区域。然后，为了更准确地估计聚焦区域，基于扩展随机行走算法，对初始聚焦区域进行优化。最后，令得到的不同输入图像的聚焦区域加权融合，即可获取最终的结果图像。实验结果表明，所提出的多特征随机行走优化的多聚焦图像融合方法能够较好地解决源图像误配准以及场景中存在运动目标导致融合结果中出现伪影的问题，极大地提高了融合结果的空间一致性。
　　2)针对现有图像融合方法在融合可见光与红外图像时并未充分考虑两种不同模态图像自身特性，使得融合结果亮度不高、背景过曝，本文进一步提出了一种随机行走多尺度可见光与红外图像融合方法。该方法首先分别对红外图像的辐射特征与可见光图像的细节特征进行提取，并根据获取的特征分别对输入图像的像素点进行分类。然后用随机行走算法对分类结果进行优化，最后通过多尺度加权融合策略即可获取融合图像。实验结果表明，随机行走多尺度图像融合方法通过充分运用不同模态图像的结构特性，有效地提升了融合性能。