随着图像信息获取手段的增多，我们获取的不同类型的图像信息呈爆炸式增长。在这些数据之间，既具有互补性，又存在极大的冗余,如何从这些兼有互补性和冗余性的图像数据中有效的提取更有用、更精炼、质量更高的数据，为人为决策或人工智能决策系统提供决策依据，已经成为一个迫切需要解决的问题，图像融合技术随之成为众多学者的一个研究热点。图像融合本质上是按照一定的融合算法和规则将两幅图像或者多幅图像的优点或者互补性有机的结合起来，产生一幅新图像的技术。新图像不但弥补了单一图像的不足，获得相比于任何单一图像都更加丰富、精确的信息，而且生成的图像在视觉上更加清晰，更加有利于人们对其进行理解和分析，大大扩展了各自信息的应用范围。本文详细介绍了如何解决将非下采样Contourlet变换应用到多聚焦图像融合和医学图像融合中的实际问题。首先，介绍了图像融合概念，研究的目的和意义，图像融合分类及常用的图像融合方法。其次，介绍了图像小波变换的基本理论，讨论了在图像处理应用中小波变换的不足和优点，针对小波变换的不足引入了Contourlet变换理论，分析了Contourlet变换的优点，不过Contourlet变换有易产生混频现象的缺陷，从而引入了非下采样Contourlet变换理论，避免了在Contourlet变换中出现的伪吉布斯现象。再次，重点研究了基于非下采样Contourlet变换在多聚焦图像融合和医学图像融合方面的应用，在多聚焦图像融合中，本文研究一种了基于改进后的局部熵、方向对比度和区域标准差相结合的融合算法，并研究了图像非下采样Contourlet变换的最优分解层数和方向数的选取。在医学图像融合中，本文研究了一种基于改进后的局部熵和区域能量的融合算法，并通过MATLAB仿真实验得到仿真结果。最后，给出了几种图像融合质量的性能评价指标，通过主观和客观的评价方法对本文算法的和其他融合算法进行了对比。通过分析比较，本文采用的融合算法得出的图像不仅在视觉效果上更加清晰，还可以更好的显示图像的纹理特征和边缘信息，性能指标也更优异。