图像边缘检测及图像融合是图像处理领域研究的两大课题。图像边缘是图像最基本的特征，包含目标的重要信息，边缘检测是数字图像处理与分析的重要内容之一；它在图像识别，图像分割，图像增强，图像复原以及图像压缩等领域都有着较为广泛的基础性应用。图像融合的主要目的是通过对多幅图像间冗余数据的处理提高图像的可靠性，通过对多幅图像间互补信息的处理提高图像的清晰度。近年来，图像融合已成为图像理解和计算机视觉领域中一项重要而有用的新技术。本课题以医学图像和遥感图像作为研究对象。　　 通过深入分析比较现有空域及频域边缘检测方法，提出了一种基于数据融合的混合边缘检测方法，重点研究基于小波多尺度变换的边缘检测和基于数据融合的混合边缘检测方法，Matlab计算机仿真实验结果表明：适用于心血管边缘提取的算法是基于数据融合的混合边缘检测方法。　　 在此基础上，从IHS(Intensity，Hue，Saturation)、PCA(Principal Component Analysis)、小波等常用图像融合算法出发，研究将PCA与小波变换结合起来使用的图像融合方法，引入第二代Curvelet变换图像融合算法，并将这些方法应用于遥感图像融合中，实验结果表明第二代Curvelet变换图像融合算法能更好的融合遥感图像：针对医学图像领域的应用需求，本文结合小波变换研究基于边缘检测的图像融合方法，实验结果表明该方法能有效融合图像边缘信息。　　 基于计算机视觉的大枣无损检测中，以对大枣图像分类达到大枣分级为目的，提出了一种基于颜色和纹理自动调整权重的图像特征融合模型。该模型可以根据实际情况自动设置颜色和纹理特征所对应的特征权重，最终输出自动调整权重后的特征融合的图像分类结果。