摘要： 针对非下采样Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ）后计算复杂度高以及医学融合图像质量差等 问题，提出一种基于压缩感知和脉冲耦合神经网（ＰＣＮＮ）的图像融合方法。首先将源图像进行 ＮＳＣＴ单层分解；其次，对计算量较大的高频子带采用高斯随机测量矩阵进行压缩测量，融合规 则选用绝对值取大的方法，对融合后的高频图像采用正交匹配追踪算法（ＯＭＰ）进行重构；然后 对低频子带采用基于ＰＣＮＮ的融合规则，将低频子带系数作为信号激励ＰＣＮＮ网络，根据低频 图像的特性选择较大点火次数的系数作为低频子带融合系数；最后对高频融合图像和低频融合 图像通过ＮＳＣＴ逆变换，得到最终的融合图像。实验结果表明：该算法无论从人眼视觉效果还 是客观评价指标上均优于其他算法，且具有较强的鲁棒性。