本文主要围绕基于多尺度的图像融合技术理论及其应用展开研究,论文主要工作如下:①介绍了多尺度分解与重构工具在医学图像、多聚焦图像、遥感图像、红外与可见光图像融合方面的应用,比较了不同的多尺度分析工具在图像融合中的性能。对小波变换的图像融合原理进行了简要概述并给出简单融合实验。在肯定小波变换作为图像多尺度融合工具所具有明显优势的同时,指出了其因缺乏平移不变性易导致相位偏差降低融合质量的不足;②定义了能够反映图像之间区域相似程度的空间频率比概念。在现有提升小波变换理论基础上,通过取消其奇偶分裂环节,得到具有平移不变性的非采样提升小波变换。在选择低频子带系数时提出了一种基于空间频率比的加权与选择相结合系数选择方案;针对高频子带的融合,采用一种基于边缘信息的加权融合方法。对多聚焦图像进行了融合实验,实验结果显示出该算法相对于传统基于小波的图像融合方法具有明显的优越性;③提出了基于非采样Contourlet变换的改进融合算法,并以区域对比度和空间频率比作为融合规则测度。针对红外与可见光图像进行实验。图像经分解后低频部分采用基于图像物理特征的“加权平均”系数融合,对高频系数采用基于区域对比度与空间频率比相结合的系数融合方法。实验结果表明该方法相对于传统的简单融合方法以及基于区域能量的融合方法能得到具有更好视觉效果和更优量化指标的融合图像;④由于非采样Contourlet变换在分解过程采用非采样拉普拉斯金字塔的方式进行的,在进行方向滤波时,容易造成频谱混叠现象。为克服NSCT的分解缺陷,结合非采样提升小波的优良性能,本文提出了以非采样提升小波变换来取代NSCT的金字塔分解的非采样提升小波-Contourlet变换,并与融合规则相结合,提出了一种基于非采样提升小波-Contourlet变换的图像融合算法。实验证明本算法相对于非采样Contourlet变换能够提取更多源图像的有用信息注入到融合图像中,获得的融合图像性能更高效果更优。