本书聚焦多任务学习驱动的多模态图像融合这一前沿方向，系统探讨如何利用多任务协同机制提升融合图像的视觉质量与高层任务适应性。绪论部分分析多模态图像融合的研究背景、现状及挑战，并概述深度学习与多任务学习的理论基础。在此基础上，提出一种多任务协同驱动的融合框架，明确任务分解与特征共享机制。针对特征耦合问题，设计基于特征解耦的多任务融合优化方法，有效分离共享特征与特有特征。进一步，构建结合高层视觉任务(如目标检测、语义分割)的多任务闭环反馈机制，通过动态损失平衡策略实现端到端联合训练，使融合过程主动服务于高层任务需求。实验部分在多个多模态数据集上验证所提方法的有效性，并开展夜间目标检测、医学影像辅助诊断及遥感图像解译等应用研究。最后总结研究创新点，并对未来方向进行展望。