多源传感器图像融合就是将来自多个信息源的图像数据加以处理与综合，产生比单一传感器数据更精确、更可靠的描述和判决，使融合图像更符合人和机器的视觉特性，更有利于诸如目标检测与识别等进一步的图像理解与分析。它在军事、遥感、机器人、医学图像处理以及计算机视觉等领域有着广泛的应用前景。 本文主要对来自不同途径的多源图像的融合方法及其应用进行了研究。在研究了图像的傅立叶变换的性质和特点的基础上，将傅立叶相位相关技术进行扩展，用于实现图像的自动配准，并用实验结果证明了此方法的可行性和有效性。探讨了多源图像融合效果的评价方法，对评价方法进行了整理分类。 分析了图像的的拉普拉斯金字塔、对比度金字塔和比率金字塔的分解及重构，并给出了基于金字塔形变换的图像融合方法。通过大量的实验对不同的金字塔类型、不同的分解层、不同的融合方式，及不同区域的大小对融合结果的影响进行了分析和比较。 在分析了图像的小波变换及小波包变换的特点后，提出了基于小波包变换的图像融合方法。并通过试验分析证明了基于小波包变换的图像融合方法是更优于传统的基于小波变换的融合方法。 针对在一些图像中由于目标不清晰或者由于背景复杂，使得对单幅图像进行目标的检测变得困难的问题，提出了基于融合的数学形态学目标检测方法，为复杂背景下的图像弱目标检测提供了新的思路和方法。这也从实际的应用方面说明了图像融合的重要性和实用性。