图像融合技术是将不同成像机理的传感器或者同一传感器在不同条件下对同一场景图像进行获取后生成符合人类观察或者计算机处理的图像,得到的图像比源图像信息更加丰富和准确,有利于后续检测、识别和跟踪工作,图像融合技术具有良好的应用前景。图像融合过程涉及数据处理手段和融合规则。针对目前图像融合技术存在方向信息缺失、图像创新部分特征不明显和清晰度下降等问题,本文在不可分离剪切波变换与稀疏表示的图像融合算法上做了以下探索与研究:首先研究一种离散不可分离剪切波变换的多尺度分解工具,离散不可分离剪切波变换是应用剪切算子直接进行剪切操作,这使得不可分离剪切波变换直接在连续域定义离散化,改善了剪切支撑之间的重叠,优化了方向选择。然后研究一种基于离散不可分离剪切波与联合稀疏表示的图像融合方法,该方法对离散不可分离剪切波分解后的低频子代采用联合稀疏表示方法融合,对高频子代采用参数自适应脉冲耦合神经网络融合,有效解决了融合后图像创新部分不明显以及不符合人类视觉观察的问题。最后研究一种基于离散不可分离剪切波和卷积稀疏表示的图像融合方法,该方法对离散不可分离剪切波分解后的低频子代采用卷积稀疏表示算法融合,然后对高频子代采用邻域特征融合,由于卷积稀疏表示是实现基于整幅图像的稀疏编码,避免了图像清晰测度信息的丢失,有效解决了细节保存能力有限和对配准错误高敏感的问题。实验结果表明,上述融合方法具有明显的优越性,提高了融合图像的清晰度和细节保存能力,主客观评价结果均为最优。