图像融合技术是信息融合的一个分支,其基本方法是对多个传感器采集的原始图像使用特定的融合模型,融合生成一幅新的融合图像。融合后的图像不仅具有原始图像的大部分信息,而且更符合人眼的视觉习惯和机器感知,能对特定场景进行更全面、更准确地描述。近年来,图像融合技术已经成为了一个重要的研究领域,应用十分广泛。图像融合按层次分类,可分为像素级融合、特征级融合、决策级融合,其中像素级融合是基础。本文主要探讨像素级图像融合技术。本文根据图像融合的研究背景和现状,介绍了图像融合中的一些基本的问题,并对基于第二代Curvelet的图像融合展开了研究,主要工作如下：(1)简要描述了图像融合的应用范围、研究现状、发展前景和困难,指出图像融合的意义和重要性,并在此基础上,介绍了基于小波变换的图像增强算法,并给出了结果。(2)给出了基于互信息量的图像配准算法。详细说明了配准的过程。插值算法、Powell等算法被详细说明,最后给出了实验的结果。(3)阐述了图像融合的步骤,对常用的融合方法进行了比较研究,探讨了图像融合的主观、客观评价标准,介绍了常见的客观评价指标,对指标的选择做出了简要的说明。综合分析了小波、Radon变换、Ridgelet变换、第一代Curvelet、第二代Curvelet理论的优缺点及它们在图像融合中的应用。此外,对第二代Curvelet理论的两种实现方法做了详细的介绍。(4)提出了一种基于二代Curvelet和特征量积的图像融合算法。首先对融合图像进行快速离散Curvelet变换,在相应的尺度上由融合规则将Curvelet系数融合。采用平均策略融合低频系数；对于高频分量采用了小波的局部能量、局部梯度、局部的标准偏差组成的特征量积自适应地融合高频系数。最后利用Curvelet重构得到融合图像。对多聚焦图像和多光谱图像进行了实验。采用了标准差、平均梯度、信息熵作为评价标准,并与小波的融合结果做了比较。实验证明二代Curvelet所获得的融合结果更清晰、效果更佳、应用更广。