图像融合本质上是对多幅源图像所包含的互补信息和冗余信息按一定的规则或算法进行运算处理,获得比任何单一数据更精确、更丰富的信息,生成一幅具有新的空间、波谱、时间特性的合成影像,使融合图像更加有利于人们对其进行分析和理解,在视觉上更加清晰。多聚焦图像融合则是在图像融合的基础上专门针对聚焦不同目标的多幅图像进行的融合。图像融合技术已广泛应用于遥感影像分析、机器视觉、医疗诊断、目标识别等领域。目前图像融合由于图像预处理阶段普遍采用的小波变换算法和融合阶段对融合图像系数的选取规则还都存在一些问题,难以准确地提取源图像的清晰区域。所以本文主要对基于Contourlet变换的多聚焦图像的融合算法进行了研究,并从Contourlet变换理论、图像融合规则、图像融合实验结果和对表达融合结果的数字特征四个方面进行了分析,得出的结论都比基于小波变换的算法要好,特别是图像数字特征中的均方根误差和熵值明显好于对比的文献算法。本文主要包含以下内容:首先,介绍了图像小波变换的基本理论,讨论了小波变换应用在图像处理中的缺陷,在此基础上介绍了Contourlet变换的理论和优点,得出Contourlet变换更适合于图像的分析处理。相对小波变换,Contourlet变换是一种新的多分辨率、多方向的图像分析方法,能很好的表示含有线奇异或面奇异的高维函数,对二维图像具有更好的边缘特性,而小波变换只能很好的用于一维信号的处理,对二维图像信号表现出了严重的冗余性。Contourlet变换的最终结果是用类似于线段的基结构来逼近原影像,这也是称之为Contourlet变换的原因。其次,重点介绍了图像的多种融合算法,提出了基于Contourlet变换的多聚焦图像以改进后的空间频率作为参数来决定源图像数据选取规则的融合方法,这种融合方法能很好的保留源图像细节信息和边缘特性。并通过Matlab仿真实验,研究了图像Contourlet变换的最优分解层数和方向数。最后,介绍了几种常用的图像性能评价方法,并将本文改进后的图像融合算法实验结果跟基于小波变换的图像融合算法进行了比较,也跟本文改进前的融合算法实验结果进行了比较。经过本文改进后的融合算法得出的图像不仅取得了较好的视觉效果,而且很好的提高了图像的边缘和纹理特征,保留了更多的源图像信息,各项评价参数也优于其他算法。