多尺度几何分析是在小波变换基础上发展起来的图像稀疏表示工具,其不仅继承了小波变换所具有的多分辨率、时-频局域性,而且还满足各向异性以及低冗余等特性,是图像稀疏描述的有效手段。本文在多尺度几何分析的基础上,着重对具有代表性的非下采样Contourlet变换(NSCT)进行了研究,并将其平移不变性及几何流性质应用于红外与可见光图像的去噪与融合当中。对图像去噪,本文提出了基于NSCT的图像去噪算法。首先对图像NSCT分解系数的低频部分采用门限阈值平均法进行处理,然后对系数的高频部分则采用分层自适应硬阈值结合NCST的几何流性质进行处理。实验仿真结果表明,利用本文算法得到的去噪图像,峰值信噪比与经典小波和轮廓波去噪算法相比有0.5-4dB的提升,主观视觉效果也得到很好的改善。对图像的融合,系统分析、对比了几种多尺度图像融合算法及规则,提出基于NSCT的图像融合算法。通过在传统加权平均法的基础上引进门限阈值,在有效抑制噪声的前提下完成低频系数的融合,利用系数值选大法结合局部区域准则对高频部分进行融合,更好的保护了图像的细节部分。实验结果表明,本文融合算法可以更好地保留源图像中的轮廓信息,“虚影”也得到了较好的抑制。