随着当今时代信息科技的飞速发展，医学图像融合作为图像融合的一个分支，在很多领域都得到了广泛应用，其目的主要是获得多模态医学图像的互补信息，以便融合图像具有更丰富、更有效、更准确的信息，从而为临床诊断提供更好的服务.基于这样的理念，本文提出了一种基于PCNN的医学图像融合算法研究.　　本文首先对医学图像融合的研究目的、研究背景和意义、国内外研究现状作了简要的介绍，又介绍了常见的医学图像融合算法、分类和评价指标，接着又对PCNN模型作了简单介绍，并根据多通道脉冲耦合神经网络（m-PCNN）和非下采样Contourlet变换（NSCT）的特点分别提出了基于NSCT和多通道脉冲耦合神经网络相结合的医学图像融合方法以及粒子群优化多通道脉冲耦合神经网络的医学图像融合方法，本文的主要工作如下.　　针对非下采样Contourtlet变换在医学图像融合的应用以及Contourlet变换容易产生吉布斯现象的不足，本文利用NSCT变换的平移不变性，选取了NSCT变换对源医学图像进行分解；其次对分解后的低频和高频子带选取不同的融合规则进行融合，其中低频子带选取的是平均值规则，高频子带输入到m-PCNN中进行融合；最后对高频子带和低频子带融合的图像进行NSCT逆变换.突出了图像的多尺度和多方向性.同时又针对多通道脉冲耦合神经网络的参数不易选取的特性，提出了粒子群多通道脉冲耦合神经网络的医学图像融合方法，并且通过大量的仿真实验得到的实验结果与数据得出结论：本论文提出的方法在互信息评价指标上具有较好的优势.