本文研究了基于直觉模糊推理的图像融合算法，以Mamdani型直觉模糊推理系统为核心，分别提出了空间域直觉模糊推理融合算法和变换域直觉模糊推理融合算法。空间域直觉模糊推理融合算法的基本思路，是首先依据融合目标设计推理融合规则并建立直觉模糊推理系统，接着直觉模糊化源图像的每个像素点并将其输入系统，最终经过推理及解模糊即可得到融合图像。空间域融合算法将直觉模糊集引入Mamdani型模糊推理系统并将其用于图像融合，提高了算法的融合质量。由于直觉模糊集比传统的模糊集更加合理可靠地描述了事物的不确定性，因此基于直觉模糊推理系统的融合算法具有更好的融合效果。现存的直觉模糊推理融合算法通常使用直觉模糊逻辑比较并激活某一条推理融合规则从而进行融合，本文所提算法按照Mamdani推理系统推理步骤进行推理，所有规则是并行推理的，进一步减小了图像不确定因素对融合图像的影响，提高了融合图像的质量。变换域直觉模糊推理融合算法的基本思路是首先对源图像进行Contourlet变换，低频分量采用传统的基于区域能量的方法进行融合，高频分量采用直觉模糊推理的方法进行融合。对于高频分量，首先依据高频分量融合目标设计推理规则并建立推理系统，然后将源图像高频系数直觉模糊化并输入推理系统，经过推理并解模糊即可得到融合图像的高频系数。最后对经过融合得到的高低频分量进行Contourlet逆变换即可得到融合图像。变换域融合算法将直觉模糊推理系统用于变换域，使得融合算法兼具多尺度几何分析及直觉模糊推理系统的优点，融合图像不但保留了更多的细节信息，同时噪声较小，具有很好的融合效果。本文分别在空间域、变换域针对不同类型的图像对本文所提算法进行融合实验，同时对传统的模糊和直觉模糊融合算法及传统的基于Contourlet变换的融合算法进行仿真作为实验对照组。实验结果证明了本文所提算法的可行性，与其它融合算法相比，本文算法所得融合图像具有较高的标准差和峰值信噪比，这表明融合图像获得了更多更丰富的源图像信息；同时融合图像具有较高的平均梯度，表明融合图像更加清晰，融合质量更好。这些均说明与传统融合算法相比本文所提算法具有一定优势。