图像融合旨在将多源信道采集到的关于同一目标的图像数据,利用其存在的信息互补,通过图像处理技术得到合成的高质量图像。图像融合能够极大提高图像信息的利用率,增强图像的视觉效果,提升原始图像的分辨率,改善计算机解译图像的精确性和可靠性,因此在医学诊断、地理遥感、气象预报与导航制导等领域有广泛应用。图像融合研究一直是图像处理领域关注的重要问题。基于变换域的图像融合具有不会产生块效应以及融合细节丰富的优点,因此得到了广大研究者的关注,也是目前该领域研究的热点方向。本文在系统学习多尺度几何分析理论的基础上,重点围绕基于非下采样轮廓波变换(NSCT)的图像融合展开了深入研究,特别探讨了利用图像NSCT域梯度信息改进融合图像质量的有效性。论文的主要工作与贡献包括:(1)研究了一种结合NSCT与形态学梯度结合的图像融合方法。针对传统变换域图像融合中对图像低频成分通常采用平均融合的不足,鉴于NSCT具有的优异多尺度、多方向及平移不变特性,提出了NSTC域形态学梯度信息嵌入的图像融合方案。具体地,首先将多源图像进行非下采样轮廓波变换,然后利用多尺度形态学梯度对多源低频成分中相同位置的像素信息进行比对,产生相应的信息决策图,最后基于信息决策图合理选择信息有用的源图像的低频系数实现系数融合。由于梯度信息较好反映了图像的边缘等细节信息,该方法能够有效增强融合图像的对比度,尤其对红外与可见光图像的融合更为有效。(2)提出了一种基于NSCT域梯度加权的图像融合方法。其基本思想在于,提取经变换后的低频成分中显著性信息并将其用于融合规则设计。由于图像中边缘、角点等显著性信息可以由梯度域方法获取,提出了NSTC域多尺度梯度加权的图像融合方案。这里首先,利用大尺度的加权结构张量提取低频部分源图像的显著信息并作为融合系数,同时设定边缘区域;然后利用小尺度结构确定边缘区域权值。这两个步骤将源图像中显著性信息保留的同时减少融合图像中的空间不连续现象。通过实验验证了使用该方法融合源图像,提高了融合图像的对比度,改善了融合图像的视觉质量和可观测性。