多聚焦图像融合(Multifocus Image Fusion)是图像融合领域内的一个的重要研究内容，其采用图像处理的方式来克服光学镜头聚焦范围的限制，使场景中不同距离的物体都能在同一图像中清晰地显示。从而为后续的特征提取、边缘检测及目标识别等处理提供可靠支撑。同时，该技术可有效实现图像间信息的互补，增强对目标认知与理解的准确性。目前，多聚焦图像融合技术已经深入到科学研究和生产生活中的许多方面，并发挥着重要的作用。在多聚焦图像融合中，基于空间域的融合方法直接在图像的像素空间上进行融合，可以充分保留图像中原始的像素信息，具有融合速度快和局部像素一致性好等优点，成为了国内外学者在该领域开展研究的重点。然而，由于图像内容的复杂性，通常很难将源图像中聚焦区域信息准确且完整地提取到融合图像中，并保证在这一过程中不引入其它的人为干扰信息（处理痕迹）。譬如，采用基于块分割的方法融合时产生的“块效应”问题；采用基于聚焦区域分割的方法融合时在不同聚焦区域间出现的不连续现象等。
　　本研究主要内容包括：①提出一种新的基于块分割的图像融合方法。为降低基于块分割方法的融合图像“块效应”，首先结合人类视觉系统（HVS）特性和结构相似度（SSIM），提出融合图像的质量评价指标：提升非失真边缘结构相似度（LUE-SSIM）。并使用非监督的粒子群优化（PSO）算法来最大化 LUE-SSIM值，以强化图像中非失真边缘信息的表达。同时考察了不同的聚焦特性评价指标的性能差异。在LIVE数据集上的结果表明，构建的LUE-SSIM对不同类型失真图像的评价性能优于 SSIM。进一步地，在12组多聚焦图像上的实验结果表明，本方法相较于传统的基于块分割的方法在主观视觉感受和客观质量评价上均具有一定的比较优势。实验还发现，通过强化融合图像中非失真边缘信息的表达可有效降低或弱化融合图像的“块效应”。②提出一种基于DT-CWT与聚焦区域分割的图像融合方法。基于聚焦区域分割的方法可根据聚焦区域实现图像的分割与融合，具有许多显著优势。为提升聚焦区域分割的准确性，采用双树复小波变换（Dual Tree Complex Wavelet Transform， DT-CWT）和提出的融合规则实现聚焦区域分割。并做相应的后续处理以提升区域分割的完整性。在融合方案设计中，将多聚焦图像划分为聚焦、离焦和过渡区域，以实现不同聚焦区域的平滑衔接。分析DT-CWT域内不同的融合规则的性能，提出的融合规则对高对比度信息的探测敏感，并能增强局部像素的一致性。在12组多聚焦图像上的实验结果表明，本方法相较于其它典型的参与对比的方法能有效提升聚焦区域分割的准确性，改善了融合图像的不连续现象。