多源图像融合是通过采用一定的算法,将两个或多个具有互补或冗余特性的源图像融合为一幅图像,融合图像能反映多重原始图像的信息,最大限度地利用互补信息,减少冗余,从而获得更高的清晰度和可理解性。图像融合可以为进一步的图像处理(如图像分割、目标检测、跟踪与识别等)提供更有效的信息。本论文面向空间目标识别,将多源图像获取中具有代表性的红外和可见光图像作为研究对象,集中探讨了红外与可见光图像的可融合性分析,红外与可见光图像融合算法及其在空间目标识别中的应用。论文首先研究了红外与可见光成像的特点,提出了一种红外与可见光图像的可融合性判断方法。建立了红外与可见光成像传感器有效性判断模型,利用模型进行成像传感器有效性判断,进而给出红外与可见光图像不可融合的条件。最后通过仿真实验验证了模型及方法的有效性。其次,论文针对同一场景红外图像与可见光图像的融合问题,提出了一种基于稀疏表示理论的图像融合算法。首先将源图像在过完备字典中进行稀疏分解,其次根据源图像的区域细节信息和活动能量,确定融合图像稀疏表示系数,最后,通过融合图像的稀疏表示系数和过完备字典重构融合图像。另外,本文还进行了冗余字典对图像融合算法性能影响的对比实验,并对实验结果进行了深入的分析。最后,论文结合图像融合在空间目标识别中的应用,针对空间目标进入地球和月球阴影时,成像传感器可能失效,源图像质量下降、目标出现残缺的情况,采用红外与可见光图像进行融合识别。实验证明,系统的识别率、稳定性和鲁棒性都有较大的改善。