运用信息技术和方法,帮助社会经济组织提高其现代化管理的效率与水平是管理科学与工程领域研究的热点问题之一。图像融合在管理中具有重要的应用价值,可以提高信息的精准度,有助于提高管理的效率,帮助进行更加科学的管理。如将图像融合应用于监控上,可以提高监控的有效性。图像融合可以应用于快递安检,有效的识别违禁物品,及时进行清查,保障安全,提高快递安检的准确性和效率等。近年来基于视频图像的数据的应用越来越广泛。为了获取同一场景不同方面的信息,可以用不同的传感器获取多种类型的源图像,因此对多源图像融合的研究和应用应运而生。多源图像融合存在一些问题,如融合图像存在明显的块效应、边缘模糊或者信息缺失等。如何克服这些问题获得更加高性能的融合结果,是当前多源图像融合研究需要解决的问题。本文针对基于变换域的多源图像融合算法进行了研究和探索,并对现有的图像融合的算法进行了改进,提出了两种改进的多源图像融合的算法,主要应用在多聚焦图像融合领域。第一,提出了一种将自适应耦合脉冲神经网络(APCNN)应用于非下采样Contourlet变换(NSCT)的多聚焦图像融合算法。这种方法克服了NSCT方法中存在的融合信息丢失以及算法鲁棒性差的问题,得到更好的融合效果。实验结果表明,提出算法在这四个指标上整体表现较优。第二,提出了一种基于多尺度分解和改进的稀疏表示结合的图像融合思想。这种思想可以结合稀疏表示和多尺度分解的优点,既解决了基于多尺度变换的融合方法分级层次难以确定和融合后图像对比度低的问题,又提高了稀疏分解的效率,同时更好的保留了源图像中的信息。提出的算法代替原来将图像块作为处理基本单位,直接将整个图像作为处理的基本单位,提高了稀疏分解的效率。从主观和客观两个方面的结果表明,即使提高基于NSCT算法的分解层次,提出方法得到的性能也更优。