图像融合是利用不同类型传感器的不同成像原理，提供互补信息，丰富图像的信息量，增强其对环境的适应性，以获取对同一目标较为准确、全面、可靠的信息描述。图像融合技术克服了单一传感器成像在几何特征和光谱特性等方面存在的局限性，增强了图像的可信度和可理解性，提高了目标识别和数据分类能力，使融合图像包含源图像的重要细节信息，更适合于人眼视觉感知和计算机后续处理。因此，图像融合已作为信息融合的一个重要分支，成为目前热门研究领域之一，在计算机视觉、医学领域、遥感领域、军事领域等都有着广泛的应用前景。经过几十年发展，图像融合已有一定成果，目前它们大都集中在像素级图像融合的研究。但是，图像融合算法和融合图像质量评价仍是图像融合领域所存在的两大难题，是国内外科研人员的重点研究对象。由于小波变换在时域和频域同时具备良好的局部性及多分辨率性，使得在传统图像融合中小波成为了主流技术。近些年，针对小波变换缺乏方向性和各向异性等缺陷，非采样Contourlet变换兴起。本文主要研究基于非采样Contourlet变换的图像融合算法，其主要工作及创新之处如下：1.研究非采样Contourlet域下的图像边缘特征刻画，我们提出一种新的边缘特征提取方法。在此基础上，我们提出基于边缘特征的图像融合方法。对不同融合算法进行对比实验验证了该算法简单可行，不仅提高了融合效果，而且降低了时间复杂度。2.结合图像边缘特征和脉冲耦合神经网络(PCNN)，我们提出了基于PCNN的图像融合算法。该算法通过采用边缘特征作为PCNN的输入激励神经元点火，点火时间作为图像清晰度的判断依据，从而选取融合系数。对不同融合算法进行对比实验，结果表明该算法克服了传统PCNN算法用像素灰度值激励神经元的局限性，其融合效果有较大的改善。3.另一方面，我们研究了融合图像质量评价方法，提出了基于图像清晰度和结构相似度的融合图像质量客观评价方法。该方法充分考虑了图像结构信息和人眼视觉特性，通过清晰度加权方法对图像中的显著区域赋予不同权值，无需参考图像，可以为不同的应用场合选择不同融合算法提供可靠的依据。对不同算法的融合图像质量进行评价，结果表明本文提出的方法与主观评价具有高度的一致性，与此同时，将本文提出的基于边缘特征的融合方法与基于PCNN的融合方法的融合图像进行客观评价进一步验证了本文评价方法的正确性。