摘要：针对脉冲耦合神经网络模型参数设置困难和基于离散余弦变换的图像融合算法依赖于块尺寸大小,影响图像融合效率和鲁棒性的问题,提出一种基于改进脉冲耦合神经网络(PCNN)和离散余弦变换(DCT)的两尺度图像融合算法.首先结合输入信息改进传统PCNN模型框架,引入正弦-余弦算法实现网络参数的设置;然后改进基于DCT的融合算法对图像进行融合,并对融合后的图像进行重建;最后提出信息补偿算法对重建后图像的部分位置进行信息补偿,得到最终的融合结果.与7种算法对5个数据集(多聚焦图像数据集、TNO数据集以及3个不同模态的脑部图像数据集)中图像的融合实验对比结果表明,所提算法对信息集中型图像的融合表现出更好的鲁棒性,且在不同尺寸图像的融合效率上优于7种对比算法,在信息集中型图像的融合方面具有优势.