随着现代遥感技术的发展,各种遥感传感器提供了大量不同空间分辨率、时间分辨率和光谱分辨率的遥感图像,但由于各种传感器提供的遥感图像数据各有特点,这些遥感图像数据在时间、空间和光谱等方面的差异很大。作为图像融合领域的一个重要分支,遥感图像融合研究的是如何综合利用来自不同遥感传感器的图像信息,以获取对同一事物或目标的全面、客观及本质上的认识。近年来,一种新的基于离散分数随机变换的方法被提出应用于遥感图像的融合,离散分数随机变换域上的高低振幅携带不同的图像信息,高振幅部分携带图像的光谱信息,而低振幅则携带图像的空间细节信息,如果变换域上融合,由于其能量谱是均匀随机分散开来的,会对相同频谱畸变产生较小影响,所以能够减少光谱失真,但该方法不能高效智能地提取图像的高低振幅信息,对融合结果造成较大影响,不便于工程应用。为了满足遥感图像高分辨率和低光谱畸变的融合需求,本文提出了一种新的基于离散分数随机变换的自适应脉冲耦合神经网络的图像融合算法。在提出的方案中,多光谱图像和全色图像分别被变换到了离散分数随机变换域上,本文充分利用了脉冲耦合神经网络的同步脉冲发放特性得到了对应的点火映射图,以便恰当地提取了变换后的图像高低振幅谱和决定如何选择融合参数。本文还介绍了一种离散多参数分数随机变换,它同样可以使得频谱随机均匀分布。然后将新的频谱变换引入到遥感图像融合,提出了一种新的基于离散多参数分数随机变换的自适应的脉冲耦合神经网络的图像融合算法。在离散多参数分数随机变换域的图像融合过程中,其能保持绝大部分离散分数随机变换的优良特性。另外,由于其多参数性的敏感性,使得本文算法拥有更强的鲁棒性和安全性,增加了其在信息安全领域的实用性。该算法融合过程和基于离散分数随机变换的自适应的脉冲耦合神经网络类似。对比于HIS、PCA、基于离散分数随机变换等现存的图像融合算法,本文进行了大量的数值仿真,结果表明本文的算法效果可靠较好,不仅提高了遥感图像光谱信息保持能力,而且增加了融合结果图像的空间细节信息。