图像融合作为一个新兴的科研领域,在近三十年的发展过程中已取得了一定成果,并广泛应用于医学、军事、遥感等领域。但就目前的发展情况来看,图像融合的研究还存在许多理论和技术方面的问题,尤其是国内对图像融合的研究起步较晚,相对落后,因此迫切需要对图像融合技术进行深入的研究。基于张量的信息处理方法与基于向量和矩阵的方法相比更能有效的表示高维数据,并能够精确提取多维数据中的相关特征。特别地,高阶奇异值分解HOSVD(Higher Order Singular Value Decomposition)是张量最有效的分解方式之一,它是一种完全数据驱动的分解方式,其分解过程不需要选择参数或者设定阈值就能有效提取多维数据中的结构特征。作为另一种有效的图像分析工具,结构张量能够同时进行图像结构分析和方向估计,通过结构张量可以获取图像中丰富的局部结构信息,有效的度量像素点邻域内结构特征的各向异性。本文在学习传统图像融合方法和张量知识的基础上,对基于张量的图像融合方法进行了进一步的研究。其中,主要涉及HOSVD、结构张量在图像融合中的应用。主要研究内容如下:(1)在基于HOSVD的融合方法研究方面提出了两种多聚焦图像融合方法。具体地有:针对源图像对融合图像贡献程度不确定的问题,提出了一种基于HOSVD和模糊推理的多聚焦图像融合方法。该方法结合了HOSVD和模糊推理的优点,采用滑动窗口技术对图像进行分块,并利用HOSVD提取子张量的分解系数,根据分解系数的平均能量、区域能量和匹配度特征设计模糊推理规则。针对源图像可能存在噪声的问题,提出了一种基于HOSVD和边缘强度的多聚焦图像融合方法。构造了一种可以度量水平边缘、垂直边缘、45°对角边缘与135°对角边缘的边缘度量方式,有效地抑制图像中的噪声。针对单一的融合策略容易丢失源图像有用信息的问题,设计了一种基于sigmoid函数与边缘强度的多策略融合规则,利用区域能量确定收缩因子k,以对应系数的边缘强度比反映图像的属性,实现多策略融合。由于多策略融合比单一的融合策略更具优势,因此本文后面方法均采用多策略融合规则。研究表明,这两种方法对多聚焦图像具有很好的效果,后一种融合方法还能有效地抑制图像中的噪声。(2)在基于平移不变剪切波变换SIST(Shift Invariant Shearlet Transform)的研究基础上提出了两种方法。具体地有:提出了一种基于SIST的图像融合新方法。对高低频子带系数分别采用不同的融合策略,利用基于结构张量的清晰度指标辨识低频系数,采用取大的融合策略对低频子带系数进行融合;对于反映图像细节信息的高频子带系数,仍采用基于sigmoid函数与边缘强度的多策略融合规则进行融合。为了提高融合图像的鲁棒性,提出了一种基于黎曼度量的自适应多策略图像融合方法。在由结构张量形成的黎曼空间上,提出了一种黎曼空间不相似度,利用黎曼空间的两种度量方式:仿射不变度量和Log-Euclidean度量,衡量图像互补与冗余信息,并设计了基于黎曼度量的自适应多策略融合规则,以黎曼空间不相似度控制sigmoid函数的陡度,以区域能量比作为sigmoid函数变量e。研究表明,前者融合方法对多聚焦图像与遥感图像具有很好的效果,后者融合方法的适用范围更广,对多聚焦图像、遥感图像、医学图像、红外与可见光图像均有很好的效果。