图像融合是将多传感器获取的某个具体场景的图像信息加以综合,生成一幅对这一场景更为清晰、准确、全面描述的图像,而这个图像是从单一传感器获取的信息中无法得到的。图像融合的目的是增强可理解性、减少不确定性。目前,图像融合在医学、地理信息系统、工业、军事等领域已经有了广泛的应用。　　非抽样Contourlet变换是一种新的具有多尺度性、多方向性和平移不变性的图像表达方法。本文对基于非抽样Contourlet变换的图像融合方法进行了较为系统的研究,主要研究内容和研究成果如下:　　1、分析了进行图像融合的目的和意义,对图像融合方法的研究和发展情况进行了总结和评述,详细介绍了几种融合图像质量的评价方法。　　2、系统地介绍了图像多分辨率分析方法的发展,详细分析了非抽样Contourlet变换。　　3、在分析了红外图像和可见光图像成像特点的基础上,提出了一种基于非抽样Contourlet变换的红外图像和可见光图像融合算法,对比实验结果表明,该算法具有更好的融合效果。　　4、CT和MRI图像是医学诊断的常用图像,由于成像机制不同,所提供的病理信息也不同。为此,提出了一种基于非抽样Contourlet变换的医学图像融合算法,并通过实验验证了该算法的有效性。　　5、脉冲耦合神经网络是一种不同于传统人工神经网络的新型神经网络,有着重要的生物学背景,这个生物学背景使它在图像处理中具有先天的优势。本文将非抽样Contourlet变换和PCNN相结合,对图像融合进行了研究,并通过仿真实验进行了验证。