多源图像配准与融合是实现多源信息整合与分析的重要手段,在遥感、医疗、航天和计算机视觉等领域中有着广泛应用。多源图像由于成像机理不同,通常存在灰度分布差异大、特征表现不一致的问题,导致提取同名特征困难,难以根据灰度或特征实现多源图像配准;传统多源融合图像对比度低,目标信息不显著,不利于视觉分析和计算机处理。因此,需要探索新的多源图像稳定配准和多源图像增强融合方法,进而得到更全面、准确的多源图像信息,为社会发展提供支撑力量。本文围绕雷达、可见光多源图像配准与融合过程中存在的问题,分析多源图像差异特性,在多源图像配准和融合两个方面开展了框架搭建、边缘提取、稳定配准、区域划分和增强融合等工作,通过理论推导、方法研究和实验验证等途径完成了以上工作。主要研究内容如下:1、研究了图像配准与融合的理论方法和应用,根据多源图像较大的差异特性,以基于变换域配准方法和多尺度分解方法构建研究框架,为后文提出的多源图像的稳定配准与增强融合算法提供理论基础。2、针对多源图像灰度差异造成的同类特征不一致的问题,提出了一种边缘特征提取方法。通过多源图像单线边缘获取、边缘图像分割和阈值筛选,实现了多源图像灰度差异条件下提取稳定、一致性特征,为多源图像配准提供稳定的匹配因子。3、针对传统Fourier-Mellin变换配准中的频率泄漏,导致多源图像配准过程中形成虚假相关峰值的问题,提出了窗函数滤波的频谱泄漏抑制方法,得到了正确的傅里叶变换相关峰值,实现了多源图像的稳定配准。4、提出了一种区域划分的目标背景分离方法。通过多分辨率算法在多尺度多方向上分解得到特性子图,计算特性子图区域方差和阈值划分,得到区域划分图,为多源图像增强融合奠定基础。5、针对传统的像素融合图像清晰度和对比度低、目标信息不突出的缺点,提出了区域引导的多源图像融合算法。利用多尺度多分辨率算法,准确地捕获多尺度多方向上的图像特征信息,将区域划分的目标特征融入到多尺度的像素融合中,实现了多源融合图像目标区域的信息增强。以上所述方法,通过仿真试验,解决了雷达与可见光图像配准、融合中主要问题,实现了多源图像的稳定配准和增强融合。