小波变换具有时频局域化和多尺度、多分辨率分析的优点，在图像处理领域得到了广泛的应用。虽然常用的离散小波变换能够有效地捕捉一维信号的奇异性，但其难以表示更高维的几何特征，而图像的轮廓、边缘和纹理等具有高维奇异性的几何特征包含了大量的信息，因此小波并不是表示图像的最优基。
　　 基于小波变换在图像处理中的不足，在文中引入了轮廓波(Contourlet)变换技术。Contourlet变换是一种基于图像的几何性交换，能有效地表示图像。通过采用不可分离的滤波器组对图像进行多尺度、多方向展开，就可得到灵活的多尺度、局部化和方向性的图像表示。Contourlet变换不仅可以获取图像中本质的几何结构信息还可以获取图像的方向信息，因而可以改善可分小波变换在图像处理中的不足，进而实现对图像的更有效更准确的表达。
　　 本文全面系统的研究了Contourlet变换的基本理论，并对其在图像处理中应用作了研究，和小波变换进行了比较，主要在以下几个方面进行了研究：
　　 研究一种基于Contourlet变换的图像去噪方法，该方法首先对数字图像进行Contourlet多层分解，然后利用阈值去噪的原理进行去噪，实验中对常见的Lena图像进行了去噪，并和基于小波变换的去噪进行比较，实验结果表明该方法对于具有丰富纹理信息的图像而言，具有小波变换无法比拟的优势。
　　 研究一种基于Contourlet变换的图像融合算法，该算法利用Contourlet变换对图像进行多层分解，然后利用不同分解层不同融合规则的方法进行融合。实验部分同基于小波的图像融合方法进行比较，结果表明Contourlet变换更能反映图像系数之间的相关性，对纹理丰富、系数间相关性强的图像，Contourlet变换较小波变换更能捕获图像的纹理、方向和相关信息，融合图像含有更多的信息，因此得到的融合结果更加光滑细腻。
　　 研究一种基于HVS的Contourlet域图像水印算法，该方法首先对图像进行多层分解；然后利用视觉系统的亮度纹理特征，把伪随机序列组成的水印信号自适应的嵌入到能量最大子带中；最后逆变变换得到嵌入水印后的图像。实验中对Lena图像进行了水印的嵌入，并用各种方法进行攻击。结果表明在不可视性和鲁棒性方面此方法都优于基于HVS的小波域水印算法。