随着技术的发展，出现了多种图像传感器。这些传感器提供了形式多样、信息容量各不相同的数据。随之而来的是信息融合概念的产生以及多传感器信息处理系统的不断涌现。信息融合的概念最早出现在20世纪70年代末，它的含义是通过对多个传感器及其观测信息的合理使用，把这些传感器在空间或时间上的冗余或互补信息依据某种算法进行组合，以获得被测对象的一致性解释或描述，从而使融合信息处理系统获得比其各组成部分更好的性能。

    多传感器信息融合所处理的多传感器信息具有十分复杂的形式，而且在不同的信息层次上出现。它是对人脑综合处理复杂问题的一种全面的、高水平的模仿。一般情况下，一个多传感器信息融合系统要完成三个主要功能：第一，传感器信息的协调管理，完成多传感器数据的配准和关联;第二，多传感器信息的优化合成，依据一定的准则，在不同层次上合成多源信息，第三，多传感器的协调管理，完成传感器的任务分配、排序及其有效性的确定。

    信息融合处理一般可在三个层次上进行，即数据层、特征层和决策层。数据层融合通常用于多源图像组合、图缘分析与理解等问题。多源图像组合是将不同图像传感器获得的同一场策的图像经过匹配、合成处理，最终获得一幅克服单一传感器图像在几何、光谱和空间分辨率上存在局限性的优质图像，以利于进一步对其有效利用。特征层融合可对目标的状态信息进行融合，也可以对目标的特征进行融合。目标状态信息融合主要应用于多传感器目标跟踪方面。采用融合技术，目标跟踪领域的大量方法都可以经过修正，从而转变为多传感器的目标跟踪方法。目标特征融合实质上是模式识别问题，多传感器系统为识别提供了比单传感器更多有关目标的特征信息，增大了特征空间的维数.通过对特征进行关联，再采用已有的识别方法，可提高对目标的识别率。决策层融合实质上是一个联合决策过程。在理论上，联合决策应比任何单传感器决策更准确。但由于先验知识不足以及知识库具有海量性，因此决策层融合理论与技术的发展较慢。

    常用的图像融合处理方法有：空域内的像素平均和加权平均、伪彩色映射、非线性方法、贝叶斯优化方法、马尔可夫随机场和模型退火法、人工神经网络法等;在变换域常用图像金字塔分解法、小波变换法等。随着各种成像传感器的不断出现，图像融合处理技术得到了快速发展。图像融合作为一种有效的佰息融合技术，已经广泛应用于机器视觉、医疗诊断、军事遥感等领域。