图像融合在近三十年的研究历程中,取得了丰富的研究成果,并在监控、医疗、遥感等领域得到了广泛应用。传统的变换域图像融合方法通常基于某种多尺度变换,如各类金字塔变换、小波变换、超小波变换等等。Shearlet变换是近几年提出和逐渐成熟的超小波变换的一种,克服了传统小波变换缺乏方向表达能力的缺点同时能采用相同的方式处理离散和连续数据,目前基于Shearlet变换的图像融合研究相对较少。从实现上Shearlet变换分为频域Shearlet变换实现和空域Shearlet变换实现两类。本文以基于Shearlet变换的图像融合方法为研究课题,重点研究了基于不同类型Shearlet变换的不同场合的图像融合方法。研究内容主要分为四部分:基于Shearlet变换的通用图像融合框架:提出基于频域和空域的Shearlet变换的融合方法。其中,紧支Shearlet变换属于空域Shearlet变换的一种,传统的紧支Shearlet变换实现是移变的。移变性会导致融合图像中出现失真。本文研究了结合基于cycle spinning的融合方法——通过后处理的方式消除融合图像中的失真,和直接消除变换移变性的融合方法——利用双树结构构造(几乎)移不变的双树紧支Shearlet变换,再将其应用到融合算法中,达到提升融合图像质量的目的。通过多组数据评估融合方法的性能。基于双树紧支Shearlet变换的多焦距图像融合方法:提出基于双树紧支Shearlet变换和多方向决定图的多焦距图像融合方法,在通用融合方法的基础上进一步提升多焦距融合图像的性能。基于Shearlet变换和PCA、IHS变换的遥感图像融合方法:遥感图像融合又称全色锐化。本文提出基于Shearlet变换结合PCA、IHS变换的遥感图像融合方法,并通过IKONOS和Quick Bird卫星遥感图像性能评估。实验表明本基于双树Shearlet变换的遥感图像融合方法性能优于基于频域Shearlet变换或小波、曲波等变换的融合方法。基于Shearlet变换的三维磁共振图像融合方法:越来越多的医学设备能采集和生成人体结构的三维图像,传统的图像融合研究主要针对二维图像的情况,直接将其应用于三维图像融合,会导致第三维信息的损失。本文提出基于Shearlet变换的三维磁共振图像融合方法:首先将双树紧支Shearlet变换推广至三维,并结合图像结构张量,提出基于组织结构类型的特征级三维医学图像融合方法。通过多组T2*和磁量图人脑磁共振图像对算法性能进行验证评估。发现基于三维双树Shearlet变换和结构张量的方法相对频域Shearlet变换、多类小波变换具有更高的主观客观性能。通过上述四个方面的研究表明Shearlet变换性能优越,基于Shearlet变换的图像融合方法无论在通用图像融合方法或是特殊需求的融合方法,都能取得相对传统的图像融合方法的更高的性能。