本文从多尺度几何分析，尤其是Shearlet变换的角度出发，初步探讨了一些基于多尺度几何分析和脉冲耦合神经网络(PCNN)的图像融合算法及其改进方法，并成功地将其应用在多种图像融合中，改进了融合效果。主要工作概括如下：重点研究了具有代表性的小波变换技术在图像融合中的应用，结合具体的实验，讨论了不同小波分解层数和不同融合规则对融合效果的影响，分析了小波变换融合法的优势和局限性。为提高多聚焦和多传感器图像融合的性能，重点讨论了以Shearlet变换为工具的图像融合算法。通过多聚焦图像融合和多传感器图像融合实验，与基于小波变换和Contourlet变换的图像融合方法进行比较，详细分析了实验结果。重点研究了PCNN原理，探讨了PCNN与多尺度方向变换方法相结合的有效途径，提出了一种新的基于Shearlet变换和改进PCNN的图像融合算法。新算法充分利用了Shearlet变换的各向异性、多方向性和平移不变性，结合了PCNN的全局耦合特性，利用其特有的生物学背景，提高融合图像的整体视觉效果。