小波变换在一维数据处理方向比较受关注,因为其能很好的反映零维奇异点,在用线和面表示图像结构方面,小波变换不能很好的采集到图像的边缘纹理特征,多尺度集合分析的出现很好的弥补了小波的不足,Contourlet变换不仅具有小波变换的时频特征,而且还含有特殊的方向特性,具有各向异性。相比较小波变换而言,后者能使用变换后较少的系数表达图像信息。Contourlet在采集图像边缘信息方面比较突出。NSCT变换是在CT变换的理论上演化来的一种有效的算法。它克服了CT变换所不具有的平移不变特点,它是对图像进行冗余分解,即变换后所得子带图和源图像数据大小相等,所以说NSCT变换能更好的保留图像的边缘和纹理等信息,最终能更加准确的恢复源图像的原貌。本文主要研究了偏振图像在CT变换中的应用和SAR图像在NSCT变换中的应用。前者重点研究了偏振图像经过CT分解后对高低频系数的处理。偏振图像经过CT变换后会获得到低频子图系数和一系列不同方向不同尺度下的高频子图系数,本文对低频系数的处理采用平均法则,对于高频系数,本文分别采用了像素值绝对值取大法、区域能量法、区域能量取大法、最大标准差法、相关系数法、改善的相关系数法、区域能量取大与改善相关系数结合法和区域能量取大与最大水平梯度值法,通过Matlab对算法进行了仿真实验,并通过主客观评价得出了区域能量取大与最大水平梯度值法在上述法则中是最优的。第四章重点研究了SAR图像在NSCT变换下进行融合,对于分解后的低频子带系数采用平均法则选择合适的像素点；对于高频子图系数,本文融合准则是选择更大区域的梯度值与该区域的一致性作比较。在Matlab下运行算法,并与LP变换和WT变换进行了对比,得出了本文的算法是最好的,并对SPOT图像与TM遥感图像融合展开了研究,本节主要讨论利用非下采样Contourlet变换的多尺度多方向性实现SPOT图像与TM图像的分解与融合处理,融合算法采用区域统计特性进行融合处理。