图像融合是当前图像处理领域的研究热点,其主要思想是将同一场景的多幅图像融合在一起,以提高该场景图像的准确性和可靠性。在图像融合领域,目前的研究主要集中在相同视角图像的融合方法上,对于图像序列融合方法的研究相对欠缺。因此,本文将针对图像序列的融合方法进行了深入、全面的研究。首先,本文通过分析当前图像融合的相关技术以及常用方法,提出了一种基于隐马尔可夫模型(HMM)与遗传算法(GA)的多尺度图像融合方法。其次,为了提高图像序列融合的精度,并消除鬼影,本文进一步提出一种基于图像序列深度信息的分层融合方法。本研究的主要内容如下:第一,通过查阅国内外图像融合相关文献,本文对图像融合的研究现状及主要问题进行了阐述和分析。第二,以图像融合的相关技术为主线,笔者详细介绍了图像融合的相关理论基础,包括图像融合的各级别分类、各种像素级融合方法、图像的多尺度变换方法(小波、瘠波、轮廓波等等),以及图像的融合质量评价等概念。第三,在系统描述遗传算法的具体原理、方法与流程的基础上,本文进一步引入遗传算法图像融合方法。第四,为了得到精度高和可靠性强的融合效果,本文提出了一种基于隐马尔可夫模型与遗传算法的多尺度图像融合方法。该方法以遗传算法图像融合为基础,建立父子节点间的隐马尔可夫模型,进而对遗传算法进行逐层指导求出融合参数,并根据所求得的融合参数对隐马尔可夫模型进行更新,从而指导下一轮的融合。最后,针对图像序列的融合问题,笔者进一步提出了一种基于图像深度信息的融合方法。该方法利用图像序列拍摄时的位移变化,计算两张图像的视差并转换成深度图,在此基础上,利用深度信息进行前景与后景的分割,并根据前后景图像的不同特性选取不同的融合规则进行融合。