图像融合是指联合两个或两个以上的图像通过某种算法得到一幅更高质量的新图像。由于受物理条件的限制和成像环境的影响，单个传感器图像或者单幅图像往往不能提供人们所需要的足够多的信息。综合多个传感器图像的信息，可以增加图像信息的可靠性、鲁棒性，可以加大信息表达范围和能力，有利于图像的理解和场景解释。现在图像融合广泛地应用于遥感、医学影像、数字相机和军事国防等许多领域。 多尺度融合算法在像素级图像融合中占有主导地位。但是，这些方法没有考虑到融合图像空间尺度的不一致性。这种尺度间的差异会导致融合结果出现较多的伪信息。考虑到所在尺度间的差异，本文首次提出了一种融合思想，即图像应在相似尺度上进行融合，大大提高了低分辨率多光谱图像和高分辨率全色图像的融合效果。 基于相似尺度思想，本文提出了一种基于加权多尺度基本形式的相似尺度图像融合算法。先对全色图像进行“àtrous”离散小波变换，使其低通与多光谱图像具有相似的尺度；然后基于加权多尺度基本形式融合光谱图像和全色图像低通；最后利用逆“àtrous”小波变换重建融合结果。 基于相似尺度思想，本文还提出了基于变分法的图像融合算法。此算法通过最小化能量泛函得到融合结果。能量泛函主要由两个部分组成：一是高频能量，它在多尺度意义上优化了融合结果的细节信息；二是低频能量，它使多光谱图像和全色图像在相似尺度空间进行融合。此外，可以在能量中加入有关融合结果的先验知识，从而进一步改善融合结果。 本论文还包括如下内容：提出了加权多尺度基本形式，并将其应用于图像融合、图像增强、各向异性扩散和彩色图像复原；初步比较了经验模式分解与小波变换在图像融合中的应用；通过模糊积融合污染IC图像和目标图像来实现污染区域的修复。