图像融合是通过一种特定算法将两幅或多幅图像合成为一幅新图像的过程。通过融合能得到比单一信息源更丰富、精确和可靠的有用信息,最大限度的获取对目标或场景的完整信息描述。Contourlet变换是一种离散图像的多方向、多尺度计算框架,不但与小波变换一样有局部时频分析能力,还具有更强的方向选择和辨识能力,可以非常有效的表示具有方向性的奇异性特征,对二维图像的表示具有更高的逼近精度和更好的稀疏表达能力,将其引入图像融合,能够更好的提取原始图像的特征,为融合图像提供更多的信息。本文重点研究了基于Contourlet变换的图像融合,主要工作如下：本文首先分析了Contourlet变换理论,在此基础上讨论了Contourlet变换在图像融合中的应用,设计了一种基于Contourlet变换和区域相似性测度的图像融合算法。即对两幅源图像分别进行Contourlet分解后,将分解得到的高频部分和低频部分采用基于区域相似性测度的融合规则分别进行融合处理,再通过Contourlet逆变换重构得到融合图像。然后给出了一种基于区域块分割的图像融合算法。该算法将块分割用于多聚焦图像的融合,源图像经过Contourlet变换后,高频子带采用块分割融合算法得到高频子带融合系数,低频采用算术平均的融合规则得到低频子带融合系数,最后通过Contourlet逆变换得到融合图像。通过实验可以看出,基于Contourlet变换的图像融合效果优于基于小波变换的图像融合效果,本文给出的两种算法与同类方法相比,能够获得更好的图像融合效果。