红外图像是基于热辐射特性成像,在光线不足或恶劣天气条件下仍能捕获到目标,但是对场景的细节及纹理信息表现较差;而可见光图像是基于反射特性成像,包含更多细节和纹理信息,分辨率较高,但是在低光照或者被遮挡的情况下,捕捉不到目标信息。因此,将红外图像和可见光图像进行融合,有利于综合目标信息和丰富的场景信息,为今后的目标检测和识别提供有效依据。红外与可见光图像融合广泛地应用在目标探测、安防监控、自动目标识别、遥感和资源探测等领域并发挥着重要的作用。脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)具有同步脉冲和全局耦合的特性,目前被广泛应用在图像融合领域。针对目前红外图像与可见光图像融合算法中存在的问题,提出了两种基于PCNN的红外与可见光图像融合算法:(1)针对传统的基于多尺度变换的图像融合存在对比度不高、边缘细节等信息保留不理想的问题,提出了一种基于非下采样Contourlet变换域内结合自适应模糊逻辑和自适应PCNN的融合算法。首先,采用非下采样Contourlet变换图像进行多尺度分解得到低频子带系数和高频子带系数;其次,为了充分获取低频子带中的轮廓信息采用模糊逻辑融合规则进行融合处理,对于高频子带系数提出了自适应PCNN的融合规则;最后,进行非下采样Contourlet重构得到红外与可见光的融合图像。最终实验结果表明融合算法能较好地突出融合图像的目标信息,提供丰富的背景细节,在融合图像的清晰度和人眼视觉方面取得较好的融合效果。(2)为了进一步提高融合图像的对比度和清晰度,提出滚动滤波和Unit-Linking PCNN相结合的红外图像和可见光图像融合算法。首先,采用滚动滤波对红外图像和可见光图像进行分解得到基础层和细节层;其次,基础层中有残留的低频信息,可以用来控制融合图像的整体外观,因此基础层采用基于区域能量的融合规则;细节层采用了改进的自适应Unit-Linking PCNN的融合规则,较好地保留了源图像的细节信息和边缘信息;最后,重构得到融合图像。最终实验结果表明,融合算法能较好地突出图像的目标和背景信息,提高了融合图像的清晰度。在融合算法的基础上设计并实现了基于PCNN的红外与可见光图像融合系统,系统将两种融合算法与其他融合算法进行对比,对红外与可见光图像融合的应用提供了技术支持。