图像融合是指按照一定的规则，把同一目标或同一场景的多个传感器的成像或单一传感器的多次成像进行一定的处理，生成一张新的图像。新图像与源图像相比，信息更全面、精确和稳定，新图像包含了源图像的冗余信息和互补信息。图像融合的结果是更适合人的视觉和计算机视觉的一幅图像，或更适合进一步图像处理需要的图像。 本文重点研究的是小波变换在图像融合问题中的应用。首先，介绍了图像融合技术的研究背景，阐述几种图像融合方法的原理。其次，分析图像的成像机理，详细介绍了小波变换在图像融合中的应用，在MATLAB仿真环境下分别实现对医学图像和多聚焦图像融合，着重研究GItM多小波在图像融合的应用，通过图像质量评价标准比较多小波变换图像融合方法与单小波、小波包在图像融合结果。最后，对现有各种融合算法进行了详细的归纳和总结。 小波变换作为一种新的数学工具，是介于时间域表示和频率域表示的一种方法，它在时间域和频率域同时具有良好的局部化特性，所以我们可以获知图像详细的频率时间分布。小波包分析将频带进行多层次划分，对小波分析没有细分的高频部分进一步分解，提高了高频部分的频率分辨率。多小波可以同时拥有对称性、短支撑性、正交性和高阶消失矩等，使得多小波比单一小波具有更多的优势，能够在交换过程中，更好的保留图像的纹理和细节信息。总之，多分辨率分析工具，保证了我们可准确获得需组合的成份。基于讨论的小波变换性质，将小波变换、小波包变换和多小波变换应用于可见光多聚焦图像和医学图像的融合问题。 医学图像成像技术通过不同形式的探测器提供了不同的模态形态和功能的医学图像(SPET、PET、CT、MRI)，CT具有高空间分辨率，骨骼成像清晰，对病灶的定位提供了良好的参照，但对病灶本身的显示就较差。MRI图像的空间分辨率比不上CT图像，但它对软组织成像清晰，有利于病灶范围的确定，但它又缺乏刚性的骨组织作为定位参照。图像融合技术提供了解决医学图像取长补短的问题，利用小波变换、小波包变换和多小波变换，实现了CT和MRI图像的融合，得到了骨骼和软组织都清晰的图像。 实验证明，文中提出的图像融合思想方法，对解决可见光多聚焦图像、医学图像的融合问题具有重要的指导意义。