20世纪90年代以来,图像融合技术的研究呈不断上升趋势,图像融合的优势使其在医学成像与诊断、智能交通、人类视觉辅助、智能制造、工业过程及军事领域都得到了广泛的应用。在各个领域的需求牵引下,图像融合技术的研究日益为众多的研究者所关注。多聚焦图像融合的主要思想就是采用一定的算法,把工作在不同波长范围、不同成像机理的图像传感器对同一个目标或场景的多个成像信息融合为一幅新图像,从而使融合的图像具有更高的可信度和更好的模糊性,使之更适合人的视觉感知或计算机检测、识别、理解。本文对多聚焦图像融合方法开展研究,论文首先介绍了基于小波变换的多聚焦图像融合算法,由于小波变换只能表示各向同性的奇异性对象,所以在一些边缘处出现了明显的模糊现象,图像融合效果欠佳。而Contourlet变换相对于小波变换具有更好的方向辨识能力,对图像边缘特征的表达优于小波,所以深入研究了Contourlet变换的原理及实现算法,并提出了一种新的融合规则。仿真实验结果表明Contourlet变换的图像融合效果明显优于小波变换。其次对基于分块的多聚焦图像融合方法进行了研究。清晰度评价是分块融合的关键环节,比较了几种常用清晰度评价函数在图像融合中的性能。基于分块的图像融合算法简单易行,但容易产生块效应。本文提出了一种基于Contourlet变换与块分割相结合的多聚焦图像融合方法,有效地解决了块效应问题,提高了融合图像的质量。最后对含噪声图像的多聚焦融合方法进行了探讨,并给出了有效的含噪声图像的融合方案。把块分割图像融合算法和一种新的抗噪性好的清晰度评价算子应用到含噪声图像的融合中,并且对新清晰度评价算子和传统的清晰度评价算子的抗噪性能进行了比较。实验结果表明本文提出的方案获得的噪声图像融合效果最佳。