图像融合涉及了图像处理领域的很多技术，如运动估计、图像复原、图像重建、降噪和几何校正等。图像融合的关键是运动估计。
图像融合技术涉及的技术种类很多，最主要的是以下几种情况:
(1)超分辨率复原(或重建)。这种技术是指从一序列低分辨率图像复原(或重建)出更高分辨率的图像(或图像序列)。后面将对这种技术的应用领域和方法进行详细介绍。
(2)图像拼接。这种技术是指将一个场景的各个相重叠的子画面对齐，拼合成一个视场较大画面的表示绘制方式。图像拼接技术可以有许多不同的应用:在计算机视觉方面，可以抽取目标场景的二文纹理和三文模型；在计算机图形学方面，能产生高效的虚拟环境；随着数字摄影技术的发展，在航空和卫星图像领域产生了一些图像拼接的新应用；在多媒体领域，图像拼接技术可以用来构建数字视频图像的内容总览和视觉索引；图像拼接技术还可以与超分辨率复原技术相结合。
(3)多源图像融合。这种技术是指综合提取多种通道输入图像的信息，综合成统一的图像或数据来控制其他系统或指导决策。多源图像融合通常应用在遥感图像和医学图像上。在遥感图像的成像过程中，每一波段遥感图像只反映了场景中的部分信息。通过多波段遥感图像的融合，可以使重建后的图像具有更丰富的场景内容。不同医学成像系统，由于其成像原理的差异，对人体的组织结构具有不同的敏感性。多源图像融合可以实现不同种类医学图像的信息互补。
1.1超分辨率复原技术的含义
许多成像系统，如红外成像仪和CCD照相机等，在采集快速视场图像的过程中，受其固有的传感器阵列排列密度的限制，图像的分辨率不可能很高；同时欠采样效应又会造成图像的频谱交叠，使获取的图像因变形效应而发生降质。虽然成像系统的光学元件能够有效地限制传感器阵列上图像的频带宽度，使获取的图像有可能避免变形效应的发生，但这要求光学元件与传感器阵列进行有效组合，这在实际应用场合中是很难做到的。如果采用增加传感器阵列密度的办法来提高图像分辨率和消除变形效应，则费用可能很昂贵或者很难实现。解决这一问题的一个有效办法就是超分辨率复原技术。这种方法的目的就是由一些低分辨率变形图像(或视频序列)来估计一幅较高分辨率的非变形图像，同时还能够消除加性噪声以及由有限检测器尺寸和光学元件产生的模糊。
大多数超分辨率复原方法是从经典的单帧图像复原技术发展而来的。单帧图像复原技术经过几十年的研究，逐步形成了一套统一的理论框架。虽然单帧图像复原技术的研究还远未成熟，但这类方法的固有局限性严重阻碍了图像复原效果的大幅度提高。在传统的单帧图像复原问题中，为只有一幅输入图像上的信息可以利用，图像复原和分辨率增强效果受到极大的限制，而在超分辨率复原方法中，可以利用图像序列中的附加空域时域信息，这样就能够重建超过任何一幅低分辨率图像带宽的超分辨率图像。
1.2超分辨率复原技术的应用场合
超分辨率复原有许多应用场合:
(1)    根据视频信号来打印超分辨率静态图像，其目的是扩大图像和增加细节；
(2)    把普通视频信号转化成高清晰度电视标准或产生合成视频变焦(合成视频变焦就是把视频显示的一个区域按某一倍数进行放大，然后重新播放)；
(3)    在采集军事与气象遥感图像时，由于受到成像条件与成像系统分辨率的限制，不可能获得清晰度很高的图像，由多幅低分辨率图像来复原高分辨率图像具有十分重要的意义； MATLAB铁路监控图像的超分辨率技术研究+源代码+答辩PPT(2):http://www.youerw.com/zidonghua/lunwen_24311.html