Durante las últimas dos décadas, los radiólogos han estado utilizando imágenes de múltiples vistas para detectar tumores. La tomografía computarizada (TC) se considera una de las técnicas de imagen confiables. Se han desarrollado muchas técnicas de procesamiento de imágenes médicas para diagnosticar cáncer de pulmón en etapas tempranas o tardías a través de imágenes de TC; sin embargo, sigue siendo un gran desafío mejorar la precisión y sensibilidad de los algoritmos. En este documento, proponemos un algoritmo basado en fusión de imágenes para la segmentación pulmonar con el fin de optimizar el diagnóstico del cáncer de pulmón. La técnica de fusión de imágenes se desarrolló a través de la descomposición de la Pirámide Laplaciana (LP) junto con la Representación Esparsa Adaptativa (ASR). La técnica de fusión sugerida fragmenta imágenes médicas en diferentes tamaños utilizando la LP. Después de eso, la LP se utiliza para fusionar las cuatro capas descompuestas. Para los propósitos de evaluación de la técnica propuesta, se utilizó el Consorcio de Base de Datos de Imágenes de Pulmones y la Iniciativa de Recursos de Base de Datos de Imágenes (LIDC-IDRI). Los resultados mostraron que el Índice de Coeficiente de Similitud de Dice (DSC) de nuestro método propuesto fue de 0.9929, que es mejor que los resultados recientemente publicados. Además, los valores de otros parámetros de evaluación como la sensibilidad, especificidad y precisión fueron del 89%, 98% y 99%, respectivamente, los cuales también son competitivos con los resultados recientemente publicados.