作为一种处理多信道信息的技术,图像融合能够在同一个场景下增强图像的信息。针对一个限定的场景或者景物,用几个相同的采集器或者几种采集器获得的多源图像包含丰富的冗余信息以及互补信息,融合重复性信息和差异化信息有益于提高图像中有效信息占比,也能够在融合图像中保存更多的纹理、细节信息。正是因为提取了多源图像的信息,融合图像同任意一张固定角度图像相比对景物的展示都要更为精准全面,更适用于人为观察和应用分析。本文将轮廓波变换和非下采样轮廓波变换作为图像的多尺度分析工具,力求研究灵活稳定的图像融合算法,以下是本文的几点创新工作。针对传统脉冲耦合神经网络算法不能很好的适应图像的特点这一问题,本文设计了一种结合非下采样轮廓波变换和自适应脉冲耦合神经网络的图像融合框架,从主观和客观评价方面分析了自适应脉冲耦合神经网络在多聚焦图像融合中的表现。经过针对性的比较发现,该框架获得的融合图像细腻丰满,且最终的客观角度性能评价也有很大的进步。为了解决清晰度指标对图像像素间关联度不敏感的问题,本文提出了基于非下采样轮廓波变换和核密度估计的多聚焦图像融合算法。在非下采样轮廓波变换子带图像中计算核密度估计值,将其相反数作为清晰度指标计算的基础,按照相应指标取大的原则融合子带图像,通过对实验结果的比对证实该算法融合生成的图像无论是从直观观察还是客观性能上都具有优越性。最后,针对非下采样轮廓波变换后所得子带的稀疏性,本文应用稀疏表示指导子带图像的融合。对所有子带系数分区域进行K均值奇异值分解的联合训练得到局部联合字典,根据这个字典用正交匹配追踪算法求解各个子带系数的稀疏系数,计算稀疏系数的范数,以范数取大的原则指导融合子带图像。通过对指导前后的算法客观评价的分析,论证了稀疏表示在保留图像背景信息方面的有效性。