图像融合是图像处理的一种方法,是综合两幅或多幅图像信息为一幅图像,使得该图像为此场景信息的更完备表示。图像融合规则将直接影响到融合图像的视觉效果和对场景的判断,因此图像融合方法的选取非常重要。图像融合的应用非常广泛,例如目标检测、跟踪和识别,情景感知,机场导航,医学成像与诊断,人类视觉辅助等。基于多尺度分解的图像融合方法中高频分量的融合规则长期受到人们的关注,而低频分量含有源图像的大部分能量,是源图像的近似,因此低频分量融合规则的选取也应给予充分的重视。本论文的主要工作是在分析了多尺度分解技术的基础上对多传感器图像融合算法进行了研究。主要围绕金字塔变换、小波变换和非下采样Contourlet变换等多尺度分解工具,对多聚焦图像的融合、红外与可见光图像的融合进行了实验仿真,并对现有算法进行了改进。主要研究内容和工作如下:首先,对图像融合的概要、分类及质量评价进行了简单介绍;并对金字塔变换、小波变换和非下采样Contourlet进行了理论分析和实验仿真。其次,在分析了多聚焦图像特性的基础上提出了一种新的融合规则。考虑到多聚焦图像的块集中特点,并利用小波变换,提出了基于小波变换和块思想的多聚焦图像融合方法。该方法重点考虑了小波低频分量的融合规则,并充分利用多聚焦图像的特点,采用块操作代替点操作。通过多次仿真实验,确定了 Clock多聚焦图像比较合理的块大小划分。最后,针对红外图像的特点提出了一种新的红外与可见光图像融合方法。根据红外图像的特点,引入灰色理论对红外图像的非下采样Contourlet变换低频分量进行目标提取,对目标像素点和非目标像素点应用不同的融合规则,得到融合图像的低频分量,进一步的操作可得到某些评价指标提升明显、视觉效果较好的融合图像。仿真过程中对其中涉及的阈值参数θ对融合效果的影响进行了研究,并得出了 UN Camp图像和Dune图像综合效果较理想时的θ值。