图像融合是指将同一或不同传感器在相同场景下采集到的两幅或多幅图像综合为一幅图像的过程。通过这样的综合,可以将来自多传感器的重要信息筛选、整合,从而获得一幅更加全面、准确和丰富的融合后的场景描述。图像融合不但可以克服单一传感器在采集图像时的局限性,从而保留多幅图像中更加丰富的纹理以及细节信息;同时还可以提高图像的可理解性,为后续的计算机视觉领域的应用提供了更可靠的图像准备。因此,为进一步提升图像融合的效果和效率,本文通过使用剪切波变换和三维图像块匹配算法,提出一种空间域与变换域相结合的图像融合框架,致力于研究新的图像融合算法。首先,本文研究了结合图像块匹配的图像融合算法框架,在传统的变换域融合框架的基础上,参照三维块匹配去噪算法(Block-matching and 3D filtering,BM3D)的理念,将输入图像在空间域进行预处理,增加了分块和依据相似性分组的处理步骤,使原有的图像块依据其内在的相似性组成三维数组的形式进行三维变换,再进入到变换域进行后续融合。在实验部分,本文采用结合不同多尺度变换方法的三维变换以及一些常见的融合规则对源图像进行处理,并对比分析。实验结果表明,采用该算法框架获得的融合图像主观视觉效果和客观评价指标都得到了提升。其次,本文研究了基于非下采样剪切波变换和图像块匹配的多聚焦图像融合算法。根据多聚焦图像的特点以及人类的视觉特性,提出了一种结合脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)和改进的拉普拉斯能量和(Sum-modified-Laplacian,SML)的融合规则。实验结果表明该融合规则算法能够很好的与图像块匹配算法相结合,进一步提升了多聚焦图像的融合效果。最后,本文研究了基于上述融合框架的医学图像融合算法。根据医学图像的成像特点,结合第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)的融合规则,提出了一种采用 IHS(Intensity,Hue,Saturation)颜色模型和非下采样剪切波的医学彩色图像融合算法。实验结果表明该算法在主观和客观评价指标方面都有一定提升。