图像融合作为信息融合的重要分支,研究的是如何综合利用不同类型传感器所获得的图像,通过一定的算法得到一幅信息更加准确、丰富的新图像,从而产生比单一传感器更精确、完整、可靠的描述和判决。它在军事、遥感、机器人、医学图像处理以及计算机视觉等领域有着广泛的应用前景。图像融合主要在像素级、特征级、决策级三个层次上进行。像素级融合是最基本的融合,它是特征级、决策级的基础,也是本文研究的主要内容。本文主要对基于多分辨率的像素级图像融合方法进行研究。本文的主要研究成果如下：1.为了解决小波变换中的方向有限性问题,并消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出一种基于小波-Contourlet的区域梯度选择平均图像融合算法。该算法对低频采用加权平均规则,对高频计算区域梯度,并采用选择平均规则。同时采用空间频率、交叉熵与偏差等作为客观评价标准。实验结果表明,在相同的融合规则下,基于小波-Contourlet变换的融合算法能够获得比小波变换和Contourlet变换更好的融合结果。2.由于光学镜头的景深有限,在实际摄像中很难得到所有景物均清晰的图像,故本文提出一种基于小波-Contourlet变换的多聚焦图像融合算法：待融合图像先采用小波-Contourlet变换进行分解,再根据分解后的系数计算待融合图像中各像素的清晰度,最后根据各像素的清晰度对待融合图像中的清晰区域进行重构。实验表明本文算法能较好地解决多聚焦图像融合问题。