图像融合是一门把来自不同传感器的图像融合成一幅图像的技术,目的是为了得到更精确和更全面的研究对象。近些年,有大量的图像融合算法被提出,但它们都局限在时域或频域进行图像融合。分数阶傅里叶变换是傅里叶变换的广义形式,它具有更加强大的时频分析能力。因此,将分数阶傅里叶变换算法应用于图像融合领域具有很大的研究价值。分数阶傅里叶变换可以在介于时域和频域之间的任意分数阶傅里叶域分析信号的时频特性,具有非常大的灵活性,但它不能对信号进行局部分析。而小波包分解可以认为是对信号进行不同尺度的带通滤波处理,具有对信号局部分析的能力。因此,将分数阶傅里叶变换进行扩展,引出了分数阶小波包变换算法,它可以在分数阶傅里叶域对信号进行多级分解,同时具有分数阶傅里叶域分析和小波包变换局部分析的优点。然后,提出了基于分数阶小波包变换的图像融合算法。图像融合准则采用取对应像素灰度值最大的原则,为了减小由于融合准则引入的噪声和不一致现象,在融合准则中加入了一致性检验方法。最后,在红外图像和可见光图像的融合实验中,将本文提出的分数阶小波包变换和小波包变换、分数阶傅里叶变换的图像融合算法进行了对比,实验结果表明,本文提出的基于分数阶小波包变换的融合算法可以在图像信息量,清晰度等方面有更好的效果。图像进行分数阶傅里叶变换后,分数阶傅里叶域相位重构图像能放大原始图像的高频细节信息,一般要比幅值重构图像更加重要,考虑到相位和幅值两者性质的差异性,本文提出了一种相位和幅值分别融合的新型图像融合算法。实验结果显示,相比已有的分数阶傅里叶变换算法和小波变换算法,采用本文提出的基于分数阶傅里叶域相位和幅值分别融合的新型图像融合算法,融合后图像清晰度和细节信息有更大提高。