随着计算机科学技术的进步,传感器技术快速发展,当前网络与生活中的图像信息愈发增多,但由于景深（DOF）——即被允许取得清晰图像的最大前后距离的限制,一张图像所包含的场景难以全部保持清晰,除聚焦目标外的物体通常会陷入离焦状态,导致图像中出现分界明显的清晰区域和模糊区域。其中,模糊区域的内容是稀疏的,含有信息量较低,会严重影响人类肉眼观感和计算机后续工作的处理质量。多聚焦图像融合,是将两张或一组聚焦于不同目标的图像融合成一幅全聚焦图像的方法,可以在一定程度上解决这一问题。然而,不同的目标往往具有不同的尺度和细节纹理,难以识别,其次,聚焦与离焦区域交界处的边缘模糊会导致融合图像丢失大量信息,无法完全恢复,所以目前的融合方法仍有很多缺陷。为消除这些缺陷导致的影响,使图像更适合于人类视觉感知以及计算分析,提升后续数字图像处理的效率,本文针对多聚焦图像融合开展了以下研究工作:（1）对以往的多聚焦图像融合方法进行回顾、实验与总结,并将其按照传统数学方法与基于深度学习的方法进行分类,陈述它们的优势与劣势,分析造成这些缺陷的原因与改进方向,同时简要介绍其对本文工作的影响。（2）当前用于基于深度学习的多聚焦图像融合方法的数据集中存在着数据缺失、训练拟合过慢、标注不准确等问题。因此,本文针对不同类型的网络模型,提出了两个新的数据集,内容包括前景聚焦图像、背景聚焦图像、目标掩膜和groundtruth。其中,用于回归模型训练的数据集侧重于像素的模糊程度、模糊区域的随机性和整体场景的复杂性;用于分类模型训练的数据集侧重于场景内容的一致性、目标选择的随机性和掩膜的精细程度。它们可被用于有真实图像参照的监督学习,提升网络训练效率,尽量减少融合结果中的误差,弥补模型的缺陷。（3）针对现有方法中普遍存在的伪影、噪声、色差、灰度差、纹理保留效果差、语义信息和梯度信息被忽略等问题,本文分别提出一个基于回归模型的融合网络与一个基于分类模型的融合网络,用于融合性能的提升以及有关模型问题的进一步评估和探究。其中,回归模型是基于注意力机制的小型网络,整体架构是伪暹罗网络（PSN）,应用残差空洞卷积金字塔（RACP）提取两张输入图像的多尺度特征,共享卷积处理权重,然后将融合特征输入注意力机制,最后利用深度融合模块进行融合,使用像素拟合的方式不断逼近真实的清晰像素值以求得融合图像;分类模型则是基于特征金字塔（FP）与语义分割机制的大型网络。它使用双多尺度FP来提取多尺度特征,这些特征会通过残差连接合并到一起,再应用语意分割机制来提取聚/离焦区域信息,生成分割决策图和融合结果。其中语意分割机制包括一个有效通道挤压激励（ECSE）模块和一个通道空间注意力模块,可以对特征不断地进行阶梯式降维,计算每个像素的清晰概率,从而实现整张图像的像素二分类,最后通过掩膜覆盖所有模糊像素来融合多聚焦图像。为验证所有试验方法的性能,本研究执行了广泛的消融实验,涉及多种数据集、超参数、网络结构与损失函数等,并进行了大量对比实验,采用了定量与定性两种评估方式:对于定量分析,引入了多种无参考与有参考的评价度量;对于定性分析,引入了多种经典的传统方法与先进的基于深度学习的方法进行对比。结果表明,本文提出的融合模型尽可能地克服了各种缺陷,无论是在客观指标对比或者主观视觉对比中都有着更好的表现。