随着当今科学技术的快速发展,单一的传感器不能完全满足人们的实际需求。图像融合将两个或更多的图像传感器获取的数据信息加以结合,目的是生成清晰且丰富信息的图像。多源图像融合技术的研究扩大了图像数据源的应用范围,使得图像的原始信息高度集中,便于存储和传输。对于图像融合算法的研究,核心问题是如何得到一种高效的表示方法。目前在图像处理领域里,多源图像融合成为一个热门的课题,并广泛应用在军事、计算机视觉、医学和遥感等领域。论文介绍了多源图像融合的理论、处理流程和评价指标。多尺度变换是近几年来图像融合的研究热点,它对图像在不同尺度和不同分辨率上进行细分,从而提高图像的对比度。本论文考虑多源图像不同的成像机理,从多尺度的角度来研究,主要成果如下:(1)针对单一像素融合规则的局限性以及边缘轮廓不够清晰的缺陷,本文提出一种结合NSCT和区域特征的图像融合新算法。依据高低频率域的特点,低频子带分量采用区域平均能量和匹配度相结合的融合规则,高频子带分量使用改进的拉普拉斯能量和的融合规则。仿真实验表明:该算法的融合效果与传统算法比较,在视觉主观和客观评价方面均优于传统的融合结果,融合效率也得到提高。(2)针对传统PCNN模型中外部激励和链接强度的缺点,本文考虑到人眼视觉对图像细节和边缘信息的敏感度,对参数进行改进。以图像分类中的支撑值作为外部激励,采用改进拉普拉斯能量和作为链接强度,充分保留边缘信息。该算法将NSCT变换和PCNN模型的优点综合考虑,仿真实验表明:改进算法比传统方法融合效果更优,效率更高。(3)针对遥感图像融合中的光谱失真问题,提出了结合改进IHS和NSCT变换的新算法。新算法把多光谱图像进行IHS变换后的亮度分量进行增强,再与全色图像进行NSCT变换,对NSCT中的低频分量用模糊逻辑函数的加权规则,高频分量用多判决融合规则,最后进行NSCT和IHS逆变换重构得到融合图像。通过仿真实验对比,本文提出的新算法在充分保持光谱信息的同时,又有效地增强了空间分辨率。