X射线检测是可以观察物体内部结构的无损检测技术之一,目前已被广泛应用于航空航天、国防工业和工业探伤等领域的产品质量检测。当待测物体具有无规则外形且内部结构复杂时,由于透照方向上物体厚度范围变换较大及成像系统的动态范围有限,单幅X射线图像无法包含待测物体的全部结构信息。近年来提出的变能量X射线扫描成像技术可以得到工件的完整结构信息,在信息融合技术的帮助下可以解决复杂结构工件的质量检测问题。本论文在变能量X射线扫描成像技术的基础上,主要研究内部结构复杂、厚度范围较大工件的X射线图像序列融合问题。由于X射线图像与一般自然图像相比有其独特性,所以X射线图像融合中经常会出现灰度阶混乱和伪边缘问题。本文在分析X射线图像特点的基础上结合传统图像融合理论和方法,提出了一种改进的X射线图像序列融合方法。为了避免融合图像中出现灰度阶混乱问题,首先利用不同电压下X射线图像之间的灰度值对应关系,在图像融合之前将图像序列进行相应的变换。然后利用非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)对图像进行多尺度和多方向分解。采用基于导向图滤波(Guided Filter,GF)的加权平均策略融合低频系数,保留图像边缘信息的同时使融合权重更准确。脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)可以在兼顾像素和图像整体特征的情况下实现高频系数融合。最后利用逆变换得到融合图像。本文通过实验实现了上述图像融合方法,并将之与传统的融合方法进行了对比。结果表明,对于X射线图像序列融合问题,本文提出的融合算法在主观视觉效果和客观图像质量评价指标两个方面都有较好的表现。