图像融合是图像处理的一个重要领域。其目的是通过分析每幅待融合图像的特征,选用合适的融合策略对特征进行融合,最终得到需要的图像。多聚焦图像融合是图像融合的一个分支,多聚焦图像融合技术中,基于小波变换的多聚焦图像融合是近几年研究较多的方法。但是,小波变换不能很好的表达具有各向异性的图像特征,只能反映信号的零维奇异性,而难以表达更高维的特征,因此,小波变换不适合表示具有线奇异性的二维图像信号。Curvelet变换是从小波变换和Ridgelet变换发展起来的新的多尺度变换,它克服了小波变换对曲线边缘表达的不足,可对图像的平滑部分和边缘部分提供稀疏表达,适合于具有直线或超平面奇异性的二维信号的描述。另外,Curvelet变换具有很强的方向性和高度各向异性,可以更好的描述图像的边缘、细节和曲线等特征信息。Curvelet的这些优良特性,使其在图像特征提取、去噪、增强、图像检索及图像压缩中得到广泛应用,并取得了很好的结果。本文重点研究了第二代Curvelet变换在多聚焦图像融合中的应用。本文工作如下:首先介绍了图像融合技术的发展概况,介绍了数据融合的基本理论和常用的图像融合方法以及对图像融合效果的评价方法。其次介绍了图像处理中几种常用的变换,详细介绍了第一代Curvelet变换、第二代Curvelet变换的原理,并讨论了它们的实现算法。最后给出了两种基于第二代Curvelet变换的图像融合方法,即:基于低频系数和高频系数均采用自适应加权规则的图像融合方法以及低频基于区域能量匹配度加权、高频采用自适应加权规则的图像融合算法。实验表明,对于多聚焦图像融合,Curvelet变换的融合效果优于小波变换的融合效果,通过对两种算法进行MATLAB仿真实验和客观评价表明,本文中的方法与同类方法相比,可获得更好的图像融合效果。