随着传感器制造技术和传感器集成系统的不断发展，图像融合已成为数据融合、图像处理领域中一个非常重要的研究和应用方向。图像融合初次使用在遥感图像的融合上。在上世纪90年代，图像融合成为人们研究的热点，并广泛的应用于实际，如医学领域（医学图像融合）,军事领域（可见光图像和红外图像融合），信息加密（信息隐藏）等方面。图像融合应用如此之广泛，但是并没有形成完整成熟的理论和方法，也没有形成统一的评价标准。对图像融合方法的研究仍在进行中，仍在通过不断的实验，找到更好的融合方法。图像融合质量评价是融合的一个重要方面，它从侧面反应了融合算法的性能。本文分析了常用图像融合方法、常用的图像融合质量评价方法，在此基础上提出了自己的融合算法：1提出基于小波变换的新融合方法：基于Sobel算子和区域能量和的小波分解图像融合方法。用小波将图像分为高频部分和低频部分，低频系数的选取采用基于Sobel算子和Tenengrad函数相结合，合成新的梯度能量函数的方法，对边缘不明显的部分增强边缘信息的提取度，保留边缘特征。对高频系数采用基于局部能量取大准则，既合理地保留高频的细节和区域特征，又平均化了高频的随机噪声分量，有效地消除了图像的噪声。为了抑制融合过程中产生的噪声和抑制图像的不稳定性，再对低频系数和高频系数的选择结果进行邻域窗口的一致性检验与调整，利用小波重构对检验后的系数重构得到融合图像。为验证算法的有效性，做实验与传统金字塔方法和经典小波变换融合算法相比较，结果表明此方法能取得较好的融合效果。2红外图像与可见光图像融合是图像融合的一个分支，基于红外图像分割的红外图像与可见光图像融合是一项已经成功应用的技术。PCNN模型中参数设置对分割结果影响较大。PCNN应用于图像分割时，其模型参数的合理确定是一个难点。本文利用图像的灰度分布和信息熵计算PCNN时间衰减参数，利用边缘信息计算链接强度系数，一方面解决了只能通过实验多次调整参数来取得较好分割效果的问题，另一方面，由于充分利用了图像本身的特征，动态地改变参数值，使参数设置更客观。该算法不仅可以实现以最少的迭代次数获取最佳分割结果，而且具有较强的适应性和鲁棒性。通过实验证明这种方法的可行性，可以有效地的应用于红外图像中目标的分割与识别，并在红外图像与可见光图像的融合中表现出良好的效果。