图像处理的一个关键技术为图像融合技术。多传感器图像融合把不同传感器的对于某个场景、目标的多幅图像合成一张新图像,以此来对此场景、目标进行全面准确地描述。图像融合之所以能将融合后的图像赋予可信性、清晰性,以及更优的可理解性、人类视觉可感知性,使得计算机对图像的检测和识别分类变得更容易,是因为它最大限度地利用了不同源图像间的互补信息、冗余信息。论文对图像融合理论的基本概念进行论述、分析,立足于对国内外已经成熟的图像融合技术的研究,为了使融合图像质量得到最大限度的提高,使源图像信息能够最大限度地保留而寻求新方法。论文的主要内容以及创新之处可以总结为：1.在讨论图像融合的基本框架结构的同时,对多源图像融合的流程以及方法等内容进行了介绍和简述,同时对图像融合结果的评价指标以及每个指标的应用原则进行了总结和概括；比较了多种典型变换域融合算法的结果,归纳了应用多分辨率分析的变换域图像融合技术。2.基于对多源图像融合与非下采样Contourlet变换应用于图像融合方法与途径的研究,提出了一种把非下采样Contourlet变换作为多尺度变换的工具并改进其融合方法的新的图像融合的算法。应用上述工具对图像进行多尺度分解,从而得到源图像的细节、边缘信息,然后利用获得的子带系数的接近度和像源信息的特点来挑选出最适用于它的融合规则。经过实验比对得出上述算法所得的结果相比较于流行的传统变换域像素级融合算法以及空间域融合算法更优。3.算法用非下采样Contourlet变换进行分解,将所获得的高频子带系数以及低频子带系数选取了相异的融合规则：在低频子带系数的融合规则的选取上,采用基于改进的像素相关性算法的融合规则；在高频子带系数的融合规则的选取上,采用了一种基于拓延的空间频率与系数绝对值取大的高频子带融合规则。4.论文通过实验结果证明所提出的融合规则是有效的,而且相较于传统的融合规则有着更好的融合性能。