随着传感器的性能不断提升,种类不断增加,系统获取的信息量急剧增加,多样性和复杂性不断增强,利用信息融合将这些信息综合为一个整体进行分析和利用,从而提取出更精确、全面的有用信息。多源图像融合是信息融合中可视信息部分的融合,是数据融合的重要分支。本文从基本概念入手,首先介绍了图像融合的基本理论；接着依据图像融合的流程重点介绍了图像预处理技术；然后从图像融合中的经典变换——小波变换出发,介绍了基于小波(Wavelet)变换的图像融合算法,并结合IHS颜色空间变换和主成分(PCA)分析的方法,对传统的Wavelet变换图像融合做了改进,并通过实验证明这两种改进的方法比传统的Wavelet变换图像融合方法能获得更好的融合效果；之后结合目前使用较多的一种新的图像变换——曲波(Curvelet)变换介绍了Curvelet变换的基本原理、传统的基于Curvelet变换的图像融合算法,并通过实验证明Curvelet变换较Wavelet变换能获得更好的融合效果；论文最后提出了几种改进的Curvelet变换图像融合算法,分别是基于区域能量的Curvelet-PCA图像融合、基于区域特征加权的Curvdet-IHS图像融合和基于二代Curvelet与Wavelet变换的图像融合,实验证明这三种算法较前面提到的集中融合算法融合效果均有不同程度的改善。