近些年,图像融合算法的在工业生产和医学等领域发展迅速,特别是在一些多场景的应用中发挥着重要作用。不同途径获取的源图片具有不同的侧重点或者聚焦区域,单个传感器获取的的信息往往不是十分全面,而不同源图像中的信息具有互补性,图像融合算法致力于把不同源图像的特征尽可能的保留到融合后的图像中,进一步提高图像的空间感知能力、利于图像分析处理,更加适合于人类视觉识别和计算机后续检测、分类等工作。算法的研究考虑不仅要考虑融合效果,还要考虑普适性和实时性。针对图像融合算法的研究,基于变换域去噪和空间域融合的思想,提出了一种基于特征图像梯度的图像融合算法,得到的研究成果如下:1、使用联合稀疏表示（JSR）算法去噪并得到公共部分图像以及每个源图像各自的特征图像,观察去噪后得到的公共图像和各自的特征图像并和源图像做对比;分别对特征图像做梯度运算,为后面的分级迭代、区域划分过程做准备。该方法把变换域算法去噪优点和空间域融合优点结合起来,取得了不错的效果。2、使用图像分块、比较梯度的方法对图像做基本的区域划分,用分级迭代的策略得到最终的区域决策图,使用区域决策图和融合策略得到最终的融合图像。3、算法结合了稀疏表示（SR）的改进算法JSR,然后使用梯度分级迭代的思想,基本达到划分清晰块和模糊块的目的,该过程的计算量较小。因此该算法可以得到在保证融合效果和融合指标的同时,保证了较高的效率和较好的实时性。