本文主要从三个方面对图像融合优化方法进行了研究,并对图像融合效果评价进行了深入研究。针对目前基于小波变换的图像融合方法存在的问题,提出了基于小波变换的图像融合优化方法。通过分析不同的小波基和融合规则对图像融合效果的影响,使融合方法能从图像自身特征出发,并结合图像融合目的更有针对性地进行小波基及融合规则的选取,改善了图像融合效果。针对红外和可见光图像融合的特点,提出了一种基于目标提取的图像融合优化方法,通过把红外图像进行目标提取后的结果与可见光图像进行融合,实现了两幅源图像的优势互补。针对小波变换在表达图像边缘方面的局限性,研究了基于Curvelet变换的图像融合方法,使得融合结果具有丰富的信息量和更好的边缘表达能力。另外,针对单因素指标评价图像融合效果时只考虑融合图像某一方面的特征,缺乏全局性等问题,提出了一种基于神经网络的图像融合效果综合评价方法。该方法采用熵、空间频率、交叉熵和均方差几个客观指标构成单因素评价指标集,利用模糊积分求出单因素指标融合效果评价值,并以此作为神经网络的输入对其权值进行训练,最终获得主客观一致的综合评价指标。论文研究中的实验结果表明,本文所提出的相关方法有效地改善了图像融合效果。