被动毫米波成像是一种通过探测自然场景的毫米波辐射能量，利用能量差异实现成像。其独特技术优势，由于它在低可见度条件下成像，也可“看见”在衣服下隐藏的武器，使它成为一种新兴的探测成像体制。实际获取的毫米波图像的视觉分辨率较低，而可见光图像具有较高的分辨率。因此，毫米波图像与可见光图像融合算法研究成为图像融合领域研究热点之一。Contourlet变换，相比其他多尺度多分辨率变换，能够更有效捕捉并表示在自然图像中光滑物体的边缘。因此本论文依托具体的科研项目，研究并设计了基于抗混叠Contourlet变换的PMMW图像与可见光图像融合算法。主要工作如下：1.针对传统的客观评价指标，MSE和MI没有给一幅图像中视觉显著的区域更多的重要性，也没有将边缘信息的重要性考虑进来，引入了改进后的边缘依赖图像融合质量指标。实验证明，该指标符合HVS，能够有效的衡量融合图像保留原图像边缘细节和减少在边缘附近的振荡效应的能力；2.针对传统Contourlet变换基函数频域局域性较差导致频谱混叠，进行了频谱混叠图解分析，引入了基于双通道滤波器结构的抗混叠Contourlet变换，仿真验证了它抑制频谱混叠的能力和频域中良好的局部性；3.在分析了毫米波图像危险目标特征和可见光图像背景信息的基础上，设计了基于抗混叠Contourlet变换的PMMW图像与可见光图像融合算法，并进行了算法仿真实验和实测数据验证。结果表明相对于传统Contourlet变换，它在保留待检危险目标特征，去除虚假目标方面具有优势。4.针对融合算法中常用的融合规则稳健性差，结合边缘依赖图像融合质量指标建立了一种自适应的融合规则，利用传统Contourlet变换，两种极小和极大冗余度的抗混叠Contourlet变换，进行算法仿真实验和实测数据验证。结果表明自适应的融合规则相比简单融合规则在保留背景信息方面具有优势。仿真和实测数据验证了上述方法的有效性。结果表明，基于抗混叠Contourlet变换结合自适应的融合规则的PMMW图像与可见光图像融合算法，相比传统算法，能够更有效地突出待检物体边缘细节，去除虚假目标，保留背景信息，更加利于危险目标定位。