近年来，图像融合在机器视觉、目标识别、遥感等各个领域都得到广泛的应用．本文将Shearlet变换应用于图像融合中，研究新的算法．实验结果表明，与传统的算法相比较，无论是视觉效果还是客观评估标准，本文提出的算法融合效果较好．首先，研究了多聚焦图像融合．根据多聚焦图像的成像特点，提出了一种基于Shearlet变换的自适应图像融合规则，该算法主要以图像的平均梯度和空间频率来控制参量．在医学图像融合中，根据医学图像成像特点，提出了一种基于区域匹配度的融合规则，实验证明了本文算法融合的图像具有更高的清晰度和更加丰富的细节信息．其次，研究了红外图像与可见光图像融合．根据红外图像与可见光图像的成像特点以及人类视觉系统特性，提出了PCNN与Shearlet变换相结合的图像融合算法，该算法是以空间频率为PCNN的链接强度并结合图像可见度，实验证明本文算法能有效保留图像的特性并适合人类视觉和机器感知．最后，研究了全色图像与多光谱图像融合．根据全色图像与多光谱图像的成像特点，结合HSV色彩空间的特点，提出了一种HSV与Shearlet变换相结合的图像融合算法,该算法在空间分辨率和光谱特性两方面达到了良好的平衡．实验证明本文算法融合的图像具有更佳的融合性能和视觉效果．