为了提升多模态图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的图像融合方法。首先，利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解; 然后，在分解后的各子带图像中，利用局部区域奇异值构造的局部结构信息因子作为PCNN神经元链接强度。经过脉冲耦合神经网络点火处理，获取子带图像的点火映射图，通过判决选择算子，选择各子带图像中的明显特征部分生成子带融合图像; 最后，应用局部化非下抽样剪切波逆变换重构图像。选用多组不同模态的图像进行实验，并对实验结果进行了客观评价。实验结果表明，本文提出的融合方法在主观和客观评价上均优于一些典型融合方法，可获得更好的融合效果。

为了提升红外与可见光图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的红外与可见光图像融合方法。首先,利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解;然后,在分解后的各子带图像中进行块奇异值分解,求取区域特征能量值作为脉冲耦合神经网络对应神经元的链接强度。经过脉冲耦合神经网络点火处理,获取子带图像的点火映射图,通过判决选择算子,选择各子带图像中的明显特征部分生成子带融合图像;最后,应用局部化非下抽样剪切波逆变换重构图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行了客观评价。实验结果表明本文提出的融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,可获得更好的融合效果。