多传感器图像信息处理系统是信息技术发展的趋势,是各种先进图像传感器出现后的必然结果。图像融合是多传感器数据融合的一个重要分支,作为一个新兴的科研领域有着广阔的发展前景。它通过提取和综合来自多个传感器图像的信息,获得对某一场景(或目标)的更为准确、全面、可靠的图像描述,以便对图像进行进一步的分析、理解以及目标的检测、识别或跟踪。可以预见,随着多传感器图像融合相关理论的不断发展和完善,它在军事、遥感、机器人、医学图像处理以及计算机视觉等领域必将有更广泛的应用前景。经过将近三十年的发展,图像融合技术的研究已经形成了一定的规模,国内外已开发出多种融合系统,但是这并不表明该项技术已经完善。从目前的情况来看,图像融合技术还存在许多理论和技术方面的问题有待解决。尤其需要指出的是,图像融合技术在国内所进行的研究相对于国际上的研究工作起步较晚,还处于落后状态。因此迫切需要进行广泛深入的基础理论和基础技术的研究工作。本文重点研究了基于非亚采样Contourlet变换的多传感器图像融合技术及其在医学图像融合和多聚焦图像融合方面的应用。首先介绍了图像融合的概念、优势、发展历史和应用领域,然后介绍了图像融合的三个层次及常用的图像融合方法,总结了融合效果的主、客观评价标准。传统的图像融合采用基于多分辨率分解的小波变换。但是二维小波的方向选择性差,不能有效地获取图像的轮廓信息,故而不能实现对图像的稀疏及有效表达。于是人们提出了具有多方向多尺度性质的Contourlet变换等一系列能有效捕获图像几何结构信息的新方法。但是Contourlet变换不具有平移不变性的缺点使它在图像的奇异点附近会产生伪吉布斯现象,削弱了它的频域局部性和方向选择性,于是非亚采样Contourlet变换(Nonsubsampled Contourlet Transform, NSCT)应运而生。非亚采样Contourlet变换通过非亚采样金字塔和非亚采样方向滤波器组实现对图像的多方向多分辨率分解。它既保留了Contourlet变换的特性,又具有平移不变性,滤波器组的设计也很简单,非常适合应用于图像处理。本文在研究光学成像系统成像机理的基础上,提出了一种基于非亚采样Contourlet变换和脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)的新的多聚焦图像融合方法。脉冲耦合神经网络是一种不同于传统人工神经网络的新型神经网络,可广泛地应用于图像处理、目标识别、通信和决策优化等方面。本文算法充分利用了NSCT的多分辨率、多方向性、平移不变性及PCNN的全局耦合性,取得了不错的融合效果。