目前,单一传感器图像越来越难以满足各种实际需求,而传感器技术的迅速发展使得人们获取图像的种类、数量不断增多。多源序列图像来自不同传感器,且每个传感器都产生多帧图像。多源序列图像的配准与融合技术研究广泛应用于数字图像分析等的理论研究和目标识别等的实际应用中,具有重要的理论和现实意义。本文是关于多源序列图像的配准技术和融合技术的研究,它主要涉及四个方面——多源图像配准技术、多源图像融合技术、序列图像配准技术以及超分辨率重建技术。具体如下：(1)通过研究多源图像配准的基本理论和方法,针对在灰度和分辨率方面存在差异的多源图像的配准问题,提出了一种基于特征的配准方法来配准多源图像。提取轮廓特征作为匹配特征,进行多边形拟合,并以多边形顶点为特征点构造特征轮廓段,以链码方式表示轮廓并进行配准。实验证明,这种配准方法可用于解决多源图像的配准问题,速度快、精度高,且适用于同源图像。(2)通过研究多源图像融合的基本理论和常用融合方法,使用基于小波变换的融合方法来解决多源图像的融合问题。首先小波分解待融合图像,得到它们的图像子带；然后设计不同图像子带的融合规则,将它们对应一一融合；融合结果由融合的图像子带经小波反变换得到。通过对比实验突出算法优势。(3)通过研究图像配准的方法以及超分辨率重建的基本理论,针对超分辨率重建过程中的序列图像配准问题,提出了一种基于特征与基于灰度相结合的序列图像配准方法。整个配准过程由两步配准构成：首先基于轮廓特征进行初步配准；然后基于灰度进行精确配准。精确配准方法的创新点在于——选择归一化互信息为相似性测度来构造目标函数；采用Powell算法寻找配准参数。其中,以初步配准获得的参数值作为Powell算法的初始估计值,解决Powell算法寻优结果对初始估计值的依赖问题。实验证明,这是一种有效的序列图像配准方法,对参数较大的情况也有较好的配准效果。(4)通过分析图像的降质模型及超分辨率重建问题的病态性,在研究多帧图像重建算法的基础上,以序列图像为研究对象,提出了一种基于最大后验概率(MAP)的正则化重建算法。在分析贝叶斯定理的基础上,采用高斯随机场来估计条件概率,Gauss-Markov随机场来估计先验概率,推导出基于MAP的正则化重建算法的代价函数。通过设计正则化项来构建重建算法。实验结果表明,这是一种复杂度较低、效果较好的重建算法。本文以多源序列图像为研究对象,图像配准部分分多源图像配准和序列图像配准两个研究方面,图像融合部分分多源图像融合和超分辨率重建两个研究方面。本文提出的配准算法和融合算法有效地解决了多源序列图像的配准与融合问题,同时为开发快速稳健、精度高、适用范围广的图像配准方法和性能稳定、能够产生高质量结果的图像融合方法提供了一定的参考价值。