图像融合是将两幅或多幅具有互补信息形式的图像融合为一幅比单一图像更清晰、更完整、更可靠的新图像。近年来,图像融合已成为图像处理和计算机视觉领域中一项重要而有用的技术。图像融合技术已广泛应用于军事侦查、医疗诊断、遥感影像分析等领域。本文介绍了脉冲耦合神经网络(PulseCoupled Neural Networks,PCNN)、Contourlet和非亚采样Contourlet的原理,并对这些理论在图像特征级和像素级融合方面进行了研究,主要研究内容如下:1.脉冲耦合神经网络是一种视觉皮层激励的神经网络,具有全局耦合和神经元的同步脉冲特性,已成功运用于图像处理中。针对红外图像与可见光图像的特征,利用PCNN的分割作用将红外图像中的目标分割出来,对虚假目标采用结构相似度特性进行排除,直接利用可见光图像中的背景作为融合图像的背景。2.分析了基于小波变换的PCNN融合效果与迭代次数及小波分解层数的关系,研究各个子带小波系数及其点火特征图的数据关系,针对传统融合规则没有考虑着火次数相同和接近时的特殊情况,给出了一种改进措施。3.非亚采样Contourlet变换基于区域能量融合中综合考虑分解系数的相位信息和融合区域相关性,采用改进的加权融合规则避免了传统加权方法在增加融合图像信息熵的同时产生细节模糊效应的缺陷,对得到的融合系数再进行一致性选择,避免了融合系数的间断性。