图像融合就是将同一场景的多幅图像中的信息结合起来,生成一幅更适合人眼感知,或后续图像处理的图像,已经广泛用于侦查监视、遥感、医学成像和计算机视觉等领域。相对于离散小波变换等多尺度实系数变换工具,多尺度复变换得到的变换系数不仅包含幅度信息,还包含相位信息。并且,相对于幅度信息,复变换系数的相位信息包含了更多有用信息(如图像空间结构特征等)。然而,目前大多数基于多尺度复变换的图像融合算法,仅仅利用了复变换系数的幅度信息,而没有考虑其相位信息。本文主要研究了基于多尺度复变换的图像融合方法,主要工作包括:首先,本文给出了基于多尺度变换的融合方法的基本步骤,即:图像的多尺度分解与重构、相似性度量、显著性度量、融合策略等,并分析了这些方法的优缺点。其次,针对已有基于多尺度复变换图像融合算法中没有考虑变换系数相位信息的问题,本文提出了一种基于幅度和相位相结合的多模态图像融合算法。该算法采用可平移复方向金字塔变换(shiftable complex directional pyramd transform,SCDPT)作为多尺度变换工具,对源图像进行多尺度和多方向分解和重构。考虑SCDPT分解得到的带通方向子带系数为复数,其幅度信息反映了图像灰度变化的强度,相位信息反映了图像灰度变化的方向。我们构建了一种基于复系数相对相位周期相关系数(circular correlation coefficient,CCC)和幅度能量匹配(energy matching,EM)相结合的相似性度量(CCC-EM),将输入图像之间的带通方向子带系数划分为三种不同类型的区域,并针对各类型区域制定相应的显著性度量以及融合规则。而对于SCDPT分解得到的低通子带系数仅仅包含幅值信息,我们使用传统的结构相似度测量因子(structural similarity,SSIM)对输入图像之间的低通子带系数进行区域划分,并针对不同类型区域构建相应的融合规则。实验结果表明,本文提出的算法能更好地处理多模态图像之间的冗余和和互补信息,从而得到对比度较高的融合图像。最后,常用的多尺度变换工具仅仅包含几个有限的方向子带,不具有可旋转性,当用于图像融合时,无法准确提取源图像中的方向信息。而单演小波变换不仅能提供幅值和瞬时相位,还提供了方向信息,可用于统计局部主方向,并将小波系数投影到主方向上。为此,我们提出了一种基于单演小波变换的多聚焦图像融合算法。其中,我们利用径向小波包含了各个方向综合信息的特点,制定了一种基于径向幅度信息的聚焦性度量因子;利用方向小波的可旋转性,制定了一种基于方向信息的聚焦性度量因子。通过结合这两种聚焦性度量因子,我们提出了一种新的多聚焦图像融合策略。实验结果表明,相对于传统的基于多尺度变换的图像融合算法,所提出的融合方法能够更好地提取源图像中的聚焦区域。