图像融合是信息融合领域的一个研究热点和难点, 也是数字图像处理领域非常重要的一个研究分支。由于军事和民用的需求, 研究人员对图像融合领域一直不断开展广泛的研究, 并提出各种融合理论和算法。脉冲耦合神经网络 (PulseCoupledNeuralNetwork, PCNN) 是第三代人工神经网络的典型代表。PCNN来源于哺乳动物视觉皮层神经元同步振荡现象。PCNN数学模型参数多且计算复杂度比较高。脉冲发放皮层模型 (SpikingCorticalModel, SCM) ) 是PCNN的简化模型。与传统PCNN相比, SCM具有更轻的运算量 ; 同时, 与现有的PCNN其它简化模型相比, SCM模型具备完善的数学理论基础, 更接近视觉神经元的生物特性。本书从脉冲发放皮层模型的哺乳动物视觉特性出发, 利用像素级图像融合原理, 将脉冲发放皮层模型应用于图像融合领域。研究工作围绕基于脉冲发放皮层模型的多聚焦、多传感器图像融合技术展开。重点讨论了基于脉冲发放皮层模型的图像融合技术、将脉冲发放皮层模型与经典的离散小波变换相结合进行图像融合的技术、以及将脉冲发放皮层模型与代表多尺度分析方法最新技术的非下采样Contourlet相结合进行图像融合的技术。提出并设计了符合人眼视觉特性的相关图像融合算法, 指出基于脉冲发放皮层模型的融合技术的关键性环节和难点问题, 并给出解决方案。深入讨论了各个算法的核心部分, 通过融合实验对算法的有效性进行了验证。文中提出的融合方法对解决图像融合问题具有一定的参考意义。