生物医学成像的研究方兴未艾,成像技术层出不穷,为生物组织的影像学描述提供了新的工具。融合显示方法的研究有助于多模态信息的整合和新模态的运用,因此在临床实践和基础研究中有广泛的应用价值。融合显示方法的设计,需要结合具体应用的需要和源图像的特点。本论文针对生物和医学领域的三个应用,对灰度图像与伪彩图像的融合显示进行了研究。生物相衬图与荧光图的融合有助于蛋白质亚细胞结构的定位和功能研究。融合图像应在真实反映细胞内蛋白质分布的基础上,保留足够的亚细胞结构的定位信息,着力改善荧光背景对融合图像明度和清晰度的影响。研究结合广义亮度-色相-饱和度(Generalized Intensity-hue-saturation,GIHS)快速算法、非降采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)和透明度的概念,提出了GIHS框架下变权重多尺度融合的流程.融合方法的设计在引入了NSCT理论的基础上,结合绝对值最大的高频系数融合准则,提出了以双伽马函数为原型的低频系数融合准则。实验部分结合Otsu分割算法和视觉信息保真度(Visual Information Fidelity,VIF)指标,设计了分区域的相似度量化实验。通过117组拟南芥相衬图和荧光图的融合显示实验,研究了多尺度变换对图像融合显示效果的影响。实验结果表明：非降采样技术和二维滤波器设计在一定程度上提高了图像融合的效果,但是多尺度变换的方向性与融合效果的提升关系不大。在该方法和多种传统方法融合显示效果的比较实验中,量化结果与融合实例中的观察结果吻合,都表明了该方法的有效性和相比传统方法的优越性。脑部磁共振成像(Magnetic Resonance Imaging,MRI)与单光子发射计算机断层成像(Single Photon Emission Computed Tomography,SPECT)的融合实现了人体结构和功能信息的整合,尤其有助于SPECT图的解读和运用。融合图像应在真实反映脑部功能变化的基础上,保留足够的结构定位信息,着力于改善SPECT图黑色背景对融合图像明度和清晰度的影响。研究将图像的融合显示归结为线性优化问题,运用单纯形法得到权重函数,用于源图像亮度分量低频系数和高频系数融合准则的设计。研究还设计了算法的可交互特性,提出了全局透明度和全局高频透明度,用以实现源图像之间的渐变以及对融合图像细节表现的控制。实验探讨了基于高阶多项式近似的权重函数的估计,相比基于双伽马函数的近似,其优势在于放宽了对权重函数形态的限制。在正常脑部29个层面MRI图像和SPECT图像的融合实验中,融合实例的观察结果与量化实验结果吻合,都表明了该方法的有效性和相比传统方法的优越性。继而以传统透明度技术为参照,验证了融合显示方法的可交互特性设计。两组临床实例证实了提出的融合显示方法的实用价值。最后结合实验,初步探讨了两种权重函数设计方法的优缺点和通用性。B型超声图与超声弹性图的融合不仅有助于生物组织力学特性分布的定位、理解和运用,而且扩大了超声无损诊断的应用范围。融合图像应在保持源图像理解模式的基础上,提高融合图像对源图信息的表现力,尤其是对B型超声灰度图像中低频结构细节的表现力。研究基于色貌模型理论,设计了均一明度的伪彩显示方法,并将色貌属性的预测用于图像的融合显示。在国际发光照明委员会CIECAM02色貌模型的运用中,通过假定已知明度、色相和饱和度,着重推导了图像的CIEXYZ色彩空间表示。实验研究了计算机可显示的色彩集合在色彩空间和色貌模型中的分布。其结果表明：灰度图像的明度范围受融合图像中允许的色彩集合限制；色貌属性中的饱和度调节了融合结果的色相分辨率和明度范围。通过49组仿真图像的量化实验,验证了提出的基于CIECAM02色貌模型的融合显示方法的有效性。结合2组临床实例的融合结果,证实了该方法的应用价值,及其相比传统方法的优越性。最后对应用范围进行了扩展,初步探讨了其在脑部MRI图像融合中的可行性。