本文以气象卫星采集到的红外云图和可见光云图作为图像融合的主要数据，旨在通过多尺度分析方法提高红外云图的分辨率，为强对流云的检测和预警准确性奠定良好的基础。本论文主要围绕小波变换和脉冲耦合神经网络及其在图像融合中的应用研究展开，主要进行了以下几个方面的工作：讨论了小波变换和多小波变换的一般理论，给出了图像的二进制小波变换算法。研究了多小波变换的图像融合方法，在考虑卫星云图的图像数据物理意义的基础上，在Visual C++平台上实现将高空间分辨率的可见光纹理细节信息融合到低空间分辨率的红外云图中。实验表明，该方法得到了较高分辨率的红外云图，提高了红外云图数据的物理信息量和准确性。本文重点讨论了将NSCT（非采样Contourlet变换）与PCNN（脉冲耦合神经网络）相结合提出一种新的适合于可见光和红外图像融合的算法。利用NSCT变换的多尺度、多方向特征和平移不变性进行图形融合，利用其空间频率与方向对比度触发PCNN的新的融合规则。此算法改善了传统算法中图像融合中丢失图像部分有用信息的问题，包含了源图像的更多信息，提高了目标识别率，并且使得红外云图图像在融合所拥有的纹理信息比融合前的更丰富，从而更好地实现了对对流云形成时的预测。