无源毫米波成像系统通过探测场景和物体所辐射出的毫米波段的能量强度差异实现成像。其具有良好的穿透性，能够穿透战场硝烟、人体衣物，且易于将金属目标与背景区分开来的特点，在军事侦察和安检等领域有广阔的应用前景。然而，受硬件实现方面的限制，毫米波图像分辨率和信噪比都相对较低，无法充分地体现出场景的细节信息，难以完全满足实际应用的需求。图像融合技术是将不同传感器获得的图像进行信息集合的过程，能够将毫米波图像的优势与精确、直观的光学图像相结合，实现信息互补，提高图像质量。本论文依托具体的科研项目，对无源毫米波成像系统在成像过程中产生的错位问题校正方法进行了研究，在此基础上，研究了基于二代Curvelet和脉冲耦合神经网络的图像融合算法，主要的工作包括：(1)研究和分析了无源毫米波成像技术和图像融合技术的理论和方法。分析了毫米波图像的特点和影响因素，为后续的研究明确了方向和重点。(2)研究了传感器对自然场景成像时获得图像的连续性，并采用互相关系数对此连续性进行度量。从频域的角度分析了两组相似数据的低频一致性和高频差异性。(3)分析了无源毫米波成像系统在成像过程中产生的错位问题的成因，并基于相邻两行数据的相关性和低频相位差函数对随机错位量进行了估计。从频域入手，研究了以补偿相位差的方法，实现不插值情况下的亚像素位移校正。其方法的有效性和实用性在实际系统工作中得到了验证，有效地解决了实际应用中无源毫米波图像的错位问题。(4)研究了脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)理论，对其应用在图像处理领域中独特的作用进行了分析。针对PCNN模型参数过多的问题，设计了自适应选取链接强度的方法。结合毫米波图像的特点，对PCNN模型进行了改进，为后续图像融合策略选取提供了重要的理论和方法依据。(5)针对无源毫米波图像和光学图像的融合问题，研究了基于二代Curvelet和PCNN的图像融合算法。采用区域生长法对毫米波图像进行分割，使得融合图像能够摒弃大量来源于毫米波图像中的噪声和无用信息，同时又保留有用信息。仿真实验结果表明，该方法所得的融合图像更符合人眼的视觉习惯，并能够从主、客观评价准则中均取得较好的效果。