传统的信号处理难以满足智能系统的需求，多模态信息融合技术的出现推动了图像处理的发展，避免了单一模态获得信息的片面性，对多模态不同侧面的互补或冗余信息进行了综合。融合后的图像信息更加丰富，细节描述更为精细，这样可得到较为满意的效果，有利于后续的图像处理。目标识别在军事和民用领域有着广泛的应用，在融合后的图像基础上，再进行检测识别，决策将更精确、更可靠，识别更容易。 本文重点研究了多模态信息融合及其在目标识别中的应用，探讨了多模态信息融合系统的体系结构，功能模型等。对融合前的配准做了多方面的分析，介绍了配准的分类、过程及其方法，并给出了基于小波变换和轮廓提取的自动配准算法。分别介绍了基于小波变换和D-S证据理论的融合方法，小波分解具有良好的时域和频域局部特性，而D-S证据理论是一种重要的不确定性推理算法，通过实验验证了在多模态信息融合系统中的实用性。 对目标识别的过程进行分析，研究了基于融合图像的多模态目标识别，特别是为了避免遥感图像复杂背景的干扰，提出了基于数学形态学目标识别算法。把多模态融合过程加进目标识别中，极大的提高了识别精度，也进一步说明了图像融合的重要性和实用性。