随着信息时代的到来,医学影像技术突飞猛进,影像技术不仅仅是过去辅助治疗的工具,而且要参与到医疗诊断的整个过程中。因此,医学影像在对病人的诊断和治疗过程中起着不可磨灭的作用。但是,由于影像设备的局限性,现在的医学影像还存在一些不足之处,例如某些疾病需要多幅不同模态的影像结合起来才能进行诊断。图像融合技术的就是针对这个问题进行研究。目前国内外医学图像融合领域研究方法较多,如基于神经网络、多尺度分解、加权平均的融合方法等。其中神经网络具有较好的生物学背景,能够考虑到图像的全局特性。一种特殊类型的神经网络来自猫的视觉皮层,叫做脉冲耦合神经网络已经成功地被应用于图像融合中,获得了不错的成果。该网络能够以哺乳动物视神经皮层机理进行图像理解和分析。但现有的基于脉冲耦合神经网络的医学图像融合算法主要具有两方面的问题:一方面,大量参数迭代次数都是依靠手工或者经验来设置,如何使大量参数、迭代次数得到准确的设置是一个急需解决的问题。另一方面,该网络的数学模型较为复杂参数较多,计算复杂度较高,如何简化这个模型合理的减少模型中的参数是一个重要的研究方向。针对现有基于脉冲耦合神经网络的医学图像融合算法中存在的问题,本文从以下几个方面进行了如下内容的研究:(1)将脉冲耦合神经网络与其他技术相结合,并且将重要参数设置为自适应。提出了一种基于压缩感知和自适应脉冲耦合神经网络在非下采样剪切波变换域内的融合算法。首先,源图像在非下采样剪切波变换域内被分解成高低频;而后,采用改进的脉冲耦合神经网络来融合低频子带系数,使用像素的平方差总和当作其激励,选取方向梯度总和作为其连接强度,对计算量较大的高频子带系数采用压缩感知进行处理;最后,经过非下采样剪切波逆变换获得融合图像。该算法在主观和客观方面均优于对比算法。(2)简化该模型,本文采用了脉冲耦合神经网络的简化模型连接突触计算网络来融合图像,提出了一种用连接突触计算网络模型的L项来融合图像的算法。首先,把两幅待融合图像分别输入到该模型中;然后,使用L项代替传统脉冲耦合神经网络中的点火频率作为输出;其次,使用多通工作方式终止迭代;最后,通过比较L项的值获得最终融合图像的像素。理论分析与实验结果表明,所提算法简单易行,不仅减少了待定参数数目,降低了算法复杂度,而且解决了传统模型中迭代次数难以确定的问题。(3)在本文提出算法的基础上设计并实现了图像融合系统,该系统中详细分析介绍了每个模块的具体功能。该系统主要分为压缩感知不同重构方法比较、非下采样剪切波变换域内基于压缩感知与自适应脉冲耦合神经网络的图像融合流程、图像融合模块一、非下采样轮廓波变换域内基于连接突触计算网络图像融合流程以及图像融合模块二共五大模块。其中图像融合模块一中使用了本文提出的在非下采样剪切波变换域内基于压缩感知和自适应脉冲耦合神经网络的医学图像融合算法。图像融合模块二中使用了本文提出的基于连接突触计算网络的医学图像融合算法。