多聚焦图像融合（Multifocus Image Fusion）是图像融合领域的研究热点之一。由于受到镜头景深的限制,得到景深范围内聚焦而景深范围外不聚焦的图像,利用多聚焦图像融合使得在同一个场合的各个聚焦区域内的所有物体在同一图像中清晰呈现。目前,多聚焦图像融合技术已在数字摄影、军事、光学显微镜、目标检测等领域得到了广泛的应用。滚动引导滤波器（Rolling guidance filtering,RGF）作为保边平滑滤波器的一种,具有小结构消除、边缘恢复和迭代运算速率较快等特点。为了解决多聚焦图像融合中存在的问题,结合滚动引导滤波器的优良特性,本文提出了以下两种基于RGF的多聚焦图像融合方法:（1）针对聚焦物体边缘模糊、细节丢失的问题,提出一种基于RGF和CSR的多聚焦图像融合方法。因为大多数传统的保边滤波器根据对比度来平滑细节,分解过程中较少考虑到图像的空间尺度,为了实现图像在分解过程的特征分离,因此要考虑空间尺度,而RGF正好是基于空间尺度提出的一种滤波器。首先,利用RGF和高斯滤波器将配准后的源图像进行多尺度分解;其次,针对基础层,通过构建对比显著图和权重矩阵进行融合;细节层使用卷积稀疏表示的融合规则,通过求解卷积稀疏系数,完成特征响应系数融合;最后,经过重构得到融合结果图。实验结果表明,该方法能够有效避免目标物体的边缘模糊导致的细节丢失问题。（2）针对多聚焦融合图像对比度不高的问题,采用基于交替梯度滤波器和改进脉冲耦合神经网络（PCNN）的图像融合方法。结合滚动引导滤波器（RGF）,平滑迭代恢复滤波器（SIRmed）以及梯度滤波器（GF）提出一种新的滤波器,交替梯度滤波器（AGF）,可以同时实现小结构消除,局部强度保持和边缘恢复的特性。首先,利用交替梯度滤波器分解多聚焦源图像,分解为近似层和残差层。其次针对近似层通过计算它的对比度显著图,进而得到权重矩阵,计算权重的区域能量,得到近似层融合子图;然后,残差层采用改进参数自适应PCNN融合规则进行融合。最后,通过交替梯度滤波器重构可得出融合结果图。通过实验,与另外的几种融合算法加以分析对比,验证本文所提方法能够克服融合图像对比度差和亮度分布不均的问题,较好地保留源图像的细节信息。本文设计了一种基于滚动引导滤波器的多聚焦图像融合系统,从而有效地从多方面对上述所提出的两种方法的特性作出了系统分析和评价,本文也同时选取七种图像融合方法和七种客观评价指标与本文方法做对比,突出本文提出方法的优势,该系统也为多聚焦图像融合的广泛应用提供了技术支持。