图像融合在军事、医疗等领域有广泛的应用,图像融合技术是指利用相关方法将两幅或者多幅图像融合成为一幅新的图像。多聚焦图像融合技术是图像融合领域中的一个重要分支,是用来解决光学传感器在对某一场景取景时,由于景深的差异不能保证场景内的所有物体是清晰的问题。多尺度是多聚焦图像融合的常用方法,其中的小波变换和Contourlet变换最具有代表性的。小波变换作为图像的多尺度分解方法,它有较好的空域和频域局部特性,在图像处理领域应用广泛。离散小波变换图像融合算法中的下采样环节在每次滤波后一半的系数被丢弃导致缺乏平移不变性,存在融合算法易受到源图像误配准影响的问题。因此基于非下采样离散小波变换的图像融合算法得到了应用,采用相应融合规则,并对融合系数一致性检测,弥补下采样环节的不足,提高融合效果。本文通过对基于离散小波变换和基于非下采样离散小波算法的图像多聚焦融合仿真研究表明,非下采样离散小波变换算法具有平移不变性,而且具有较高融合图像互信息,融合效果优于离散小波变换图像融合算法。对于融合规则提出了自适应算法。通过实验可以证明自适应算法的有效性。小波变换适用于表示具有同性的奇异特征,而对图像中具有各向异性的奇异特征表示欠佳,基于这一不足,引入了Contourlet变换。Contourlet变换不仅含有良好的时频局部特性,还含有多方向性和各向异性而且可以实现对图像的多尺度、多方向分解。但是Contourlet变换缺乏平移不变性,因此将非下采样Contourlet变换应用于图像融合。该变换不仅包含了Contourlet变换的优点并且具有平移不变性。通过对比实验验证基于非下采样Contourlet变换的多聚焦图像融合效果比基于非下采样离散小波变换要好。除此之外对于融合规则提出了一种改进的自适应融合规则,通过对比实验可以验证改进的自适应融合规则的有效性。