随着新技术革命的到来,世界进入了全信息时代,对多源信息进行有效融合处理的新型理论和技术应运而生。图像融合作为可视化的信息融合,为世人所关注。本文研究了基于小波变换与脉冲耦合神经网络相结合的图像融合方法,以实现对图像融合质量的提高。论文的主要研究内容包括以下三个部分。①对传统的像素级的图像融合方法(简单的融合尝试、基于金字塔分解的融合方法、基于小波变换的融合方法)进行了比较和讨论,并对应用较广的小波变换进行了详细介绍,描述了运用小波分解进行图像融合的流程,并具体介绍了快速小波变换算法,该方法较传统的小波变换,更好地体现了小波的时频特性。②对脉冲耦合神经网络模型进行了介绍,并对模型中的参数进行分析,针对传统方法中对连接系数取固定值这一局限,提出了用小波分解后图像中的空间频率来动态调整连接系数。③本文针对传统小波变换存在的缺陷,提出在对图像进行快速小波分解后,通过脉冲耦合模型代替人工选择融合规则,形成的一种基于小波分解和脉冲耦合神经网络的图像融合新方法。文中针对小波分解后高、低频段各自的频域特点,采用了各异的融合决策。对高频部分采用脉冲耦合神经网络进行融合选择,低频部分由于携带信息量小,对最终融合效果影响较小,仍选择了传统的加权平均法。通过对来自不同传感器的两组图像进行实验,并从主观视觉观测和客观性能评价指标统计两个方面对融合效果进行分析,显示出：本文方法在尽可能多的保留原图像重要信息的同时,很好地提高了融合图像的质量。