1.一种基于自适应云模型的多模态脑部图像融合方法，其特征在于，包括生成图像云模型过程和云推理规则设计过程，其中图像云模型生成过程包括以下步骤：101、输入脑部图像，并对脑部图像的灰度直方图进行拟合的步骤，具体包括：将两幅待融合图像A、B的灰度直方图进行拟合，得到各自拟合曲线；对两条拟合曲线求导，得到曲线极值点，再从中筛选出谷值点；102、根据拟合得出的曲线谷值点划分区间，并在区间内，由逆向云发生器生成三个特征值，再由特征值生成云模型的步骤，在灰度值0～255之间，相邻两个谷值点构成一个区间，在每个区间内，运用逆向云算法和正向云算法得到一个云，进而得到每幅图像对应的云模型；

另外云推理规则设计过程包括步骤：103、将图像的灰度值数据对映射到步骤102云模型的步骤；104、从云模型映射出灰度值，由灰度值构成融合后的输出图像；

所述步骤102在区间内生成云模型，其中云模型的三个特征值采用逆向云发生器算法；

由特征值生成云模型采用正向云发生器算法；步骤103云推理规则设计过程中的灰度值数据对映射到云模型采用X条件云发生器，而从云模型映射出灰度值采用Y条件云发生器来实现；

所述X或Y条件云发生器变换，具体包括以下步骤：

假设图像A生成n1个云，图像B生成n2个云；

记一组输入灰度值数据对对两个云模型的激发分别为μ1i和μ2j，即构成X条件云发生器，通过软与算法构造二维云，实现μx＝μ1i×μ2j，求其最大值记为μmax；

μ1i激发图像A云模型，即构成Y条件云发生器，生成一系列灰度值，求其平均记为 μ2j激发图像B云模型，即构成Y条件云发生器，生成一系列灰度值，求其平均记为 比较 和取较大者输出，即为融合后的灰度值，μ1i中1＜＝i＜＝n1，μ2j中1＜＝j＜＝n2，μx中1＜＝x＜＝n1×n2；n1、n2、i，j均取正整数。

2.根据权利要求1所述的基于自适应云模型的多模态脑部图像融合方法，其特征在于，步骤103包括：对得到的两幅待融合图像的云模型，设计云推理规则；激发X条件云发生器将输入灰度值数据对映射到云模型上。

3.根据权利要求2所述的基于自适应云模型的多模态脑部图像融合方法，其特征在于，步骤104包括：构造二维云图，实现输入数据对到输出单个数据值的转换；激发Y条件云发生器将灰度值映射出，即为融合后的灰度值，进而得到融合后的图像。