多传感器图像融合是将来自不同传感器的源自同一场景或目标的多幅图像合成幅新的图像,以获取对该场景或目标更为准确和全面的描述。图像融合过程充分利用了不同源图像之间的冗余信息和互补信息,使融合后的图像具有更高的可信度、较少的模糊和更好的可理解性,更适合于人类视觉感知或计算机检测、分类和识别。本文对图像融合技术的基本概念和基本理论进行分析和论述,在研究国内外已有的图像融合算法的基础上寻找能够保留源图像更多有用信息,有效提高融合图像质量的新方法。论文的主要研究内容如下：1.从图像融合的层次架构出发,探讨了多源图像融合的基本流程和基本方法,归纳了图像融合效果的主要评价指标及其选取原则；分析了基于多分辨率分析的变换域图像融合技术,并对几种典型变换域融合方法的融合效果进行了比较。2.在研究多源图像融合及非采样Contourlet变换理论的基础上,研究了一种基于非采样Contourlet的图像融合方法。为了有效获取源图像的边缘和细节信息,利用非采样Contourlet变换对图像进行多尺度分解,再根据所得到的子带系数的区域特征及其接近度分别采用相应的融合规则。该方法的融合效果优于传统的空间域融合方法和变换域像素级融合方法。3.在设计融合规则问题上,对非采样Contourlet变换分解得到的低频子带系数和高频子带系数分别采用了不同的融合规则：在选择低频子带系数时,采用分解系数取大并进行一致性检测的融合规则；在选择高频子带系数时,采用了一种基于脉冲藕合神经网络(PCNN)的融合方法。大量的实验数据表明,本文研究的融合规则存在着很强的优势。