图像融合是一门综合了传感器、图像处理、信号处理、显示、计算机和人工智能等诸多技术的现代高新技术,该技术融合同一场景的多幅图像信息,得到关于同一场景的一幅更清晰、包含更多有用信息的图像。图像融合技术在医学、测量、地理信息系统、工业、智能机器人以及军事等领域都起着重要的作用,并日益受到众多研究者的关注。在变换域,基于小波的图像融合方法目前应用较多。小波变换在一维信号处理方面具有显著优势,但小波变换在处理自然图像时不能充分利用数据本身特有的几何特征,不能最优地表示含有线或面奇异的高维函数,同时小波变换捕获的方向性信息也有限。多尺度几何分析是近年来发展起来的高维函数的最优表示方法,主要有脊波变换、Curvelet变换、Bandelet变换、以及Contourlet变换和非采样Contourlet变换等。本文将多尺度几何分析用于像素级图像融合,在对图像融合规则和实现方法进行了深入研究和探讨的基础上,提出了一种基于非采样Contourlet变换和PCNN相结合的图像融合算法。该算法采用空间频率和方向对比度分别去触发PCNN,能够更好地提取源图像特征系数,有效保留图像的纹理细节,大大改善了融合效果。具体地,本文详细分析了非采样Contourlet变换、Contourlet变换和小波-Contourlet变换的原理及其在图像融合中的应用。着重研究了基于非采样Contourlet变换的图像融合,并将PCNN引入图像融合领域,结合非采样Contourlet变换和PCNN提出了一种新的图像融合算法。通过多聚焦图像和红外遥感图像的融合仿真实验,对算法的有效性进行了验证。对图像融合效果的评价也是图像融合领域一个重要的问题。本文综合分析了已有图像融合的主客观评价准则,对仿真实验结果使用客观评价参数(如清晰度、空间频率、互信息量、熵等)结合主观视觉进行了分析。通过对比分析,非采样Contourlet变换和其他变换相比,融合效果更好。本文提出的基于NSCT-PCNN的融合算法大大提高了图像在边缘、纹理等方面的综合性能,保留了更多源图像信息,是一种通用性比较强的高效图像融合方法。