现代科学技术的发展带动了医疗器械的蓬勃发展,其中的医疗影像诊断设备也络绎不绝的出现,使得医疗影像越来越多。医疗诊断中,病人需要拍摄不同医疗影像,这需要熟练专业的医生才能根据这些医疗影像诊断病人的情况,而且医生在诊断时需要综合这些医疗影像中的信息,这对医生特别是实习医生是一个很大的挑战。由此出现了医学图像融合技术,其原理是将不同的医疗影像综合在一起,把拍摄病人的医疗影像信息在一张医疗影像上显示。本文主要对医疗影像融合算法中存在的问题进行分析,通过对基于小波变换、超小波变换、邻域熵脉冲耦合神经网络(PCNN)与稀疏表示等医疗影像融合算法进行了解与思考,提出了两种新的医疗影像融合方案。工作主要创新性工作如下:1.为了提高医学图像融合的质量,提出一种基于非下采样Contourlet变换(NSCT)与邻域熵脉冲耦合神经网络(PCNN)的融合方法。在充分考虑图像NSCT域系数特征和PCNN符合人眼的视觉特性基础上,针对低、高频分别提出一种基于改进拉普拉斯能量和(Sum-Modified-Laplacian,SML)的低频系数融合方法和一种基于邻域熵的PCNN高频系数融合方法,构建一种全新的融合规则运用于医学图像融合模型中。新的融合算法能取得更好的视觉效果以及较好的客观指标值,验证了算法的优越性。2.提出了基于YUV变换和稀疏表示的结构与功能医学图像融合算法。利用YUV变换保留功能图像的颜色信息以及Y分量能够代表源图像的灰度信息的特性,结合NSCT变换实现Y分量与结构图像的融合,同时低频采用稀疏表示的方法进行低频子带融合,高频采用局部能量的方法进行融合。算法同时考虑到了色彩特征的保留以及空间分辨率的提升两个方面,取得了较好的融合结果。