由于人眼对灰度的识别能力远远低于对彩色的识别能力,所以在症状诊断及治疗时对灰度图像进行伪彩色处理,医生可以获得更丰富、更准确的信息。结合非下采样contourlet变换(NonSubsampled Contourlet Transform,NSCT)的平移不变性、多尺度、多方向特性和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的同步脉冲发放、捕获特性,对医学图像融合算法进行改进。主要研究了基于NSCT和PCNN的图像融合算法,对低频子带和高频子带分别提出了合理有效的融合规则,并对灰度融合图像进行伪彩色处理,使融合图像保留源图像更多的能量信息、轮廓信息、细节信息和来源信息,更便于人眼观察。首先,使用NSCT分解经配准的源图像,得到低频子带和若干高频子带,根据低频子带集中了能量信息和轮廓信息的特点,对低频子带采用基于灰度值和梯度值相结合的方法进行融合。然后,根据高频子带集中了细节信息的特点,对高频子带采用PCNN的改进算法进行融合。最后,对灰度融合图像进行伪彩色处理。根据源图像的灰度信息,计算源图像重叠区域。使用NSCT和PCNN处理源图像,得到灰度融合图像和融合图像来源信息。根据人类视觉特性,使用源图像重叠区域和融合图像来源信息,对灰度融合图像进行伪彩色处理得到伪彩色融合图像。为验证提出算法的适用性和有效性,采用多组医学CT、MRI图像进行仿真实验,融合结果表明,提出的融合算法总体优于其他图像融合算法,更符合人眼视觉系统,有利于发现病灶。