传感器成像技术作为传感器应用领域的一部分，目前已在卫星侦察、矿物探测、目标追踪、农作物探测等领域取得了广泛应用。传感器图像融合可以从不同层面对所要研究的目标或景物进行更准确、全面、可靠地描述。有时受天气等现实条件的限制，从获取的传感器图像中我们很难区分我们所需要的目标，所以我们要对获得的传感器图像进行增强，以突出我们感兴趣的目标。本文对目前国内外图像融合和图像增强领域算法进行了研究分析，针对小波变换不能很好地描述图像的轮廓及纹理信息、Contourlet变换会在奇异点出伪吉布斯现象、增强或者融合后图像视觉效果差等问题，提出了基于超小波变换中非下采样Contourlet变换的图像融和图像增强算法。我们采用非下采样Contourlet变换对图像先进行金字塔分解，对得到高频系数采用非下采样方像滤波器组对金字塔分解的子带进行方向滤波。由于它保留了Contourlet变换丰富的方向性，同时克服了Contourlet变换中缺乏平移不变性的缺点，解决了图像分解过程中在奇异点周围产生伪吉布斯现象。除此之外，我们提出的算法在非下采样Contourlet变换域内引入了脉冲耦合神经网络，模糊对比度、边缘信息能量，HIS和PCA变换，空间频率，并结合非下采样Contourlet变换的多分辨率、多方向性、平移不变性、各向异性来处理实验中选取的图像。通过实验结果评价指标的检验，本文提出的算法在遥感图像增强，多聚焦图像融合，多光谱图像和全色图像融合方面取得了较好的效果，如增加了处理后图像的细节信息和边缘信息，改善了图像的视觉效果、增强图像的对比度等。