图像融合是由信息融合发展而来的,是多传感器信息融合中可视信息的处理,根据互补性,把来自多个传感器的数据信息综合起来,得到一个信息更丰富的图像。近年来,图像融合技术在遥感卫星、自动识别、医学,特别是军事方面的作用越来越大。多聚焦图像的融合是图像融合研究中一类具有代表性的问题,它解决了现实生活中光学镜头聚焦不同物体所产生的限制,从而获得一个聚焦的各个相关对象都清晰的图像。融合后图像的质量好过任何一个源图像,有效地提高了图像信息的利用率和系统对目标探测识别的可靠性,广泛地用于机器识别、目标探测等领域。要取得比较理想的多聚焦图像融合结果,就需对参与融合的图像进行配准工作,严格的配准是得到好的融合效果的前提。对某一场景进行图像拍摄的过程中,由于拍摄视角的变化或者光照度不同的影响,会影响后续图像的融合。文中采用基于SIFT (Scale Invariant Feature TransForm)特征的图像配准技术来提取特征点；根据BBF(Best-Bin-First)搜索算法找到最邻近和次临近特征点,依据最邻近和次临近特征点距离之比来确定初始的匹配对。由于图像本身以及操作工程中受各种因素的影响,初始的匹配对中存在很多不稳定的、对比度低的特征点,影响后续的配准工作。为了得到精确的匹配对,我们用RANSAC (Random Sample Consensus)随机抽样一致性算法来对初始的匹配对进行提纯,得到精确地匹配点集。利用透视变换模型求出变换矩阵H,完成图像的配准工作。在以上配准的基础上,本文主要论述了基于小波多尺度分析的多聚焦图像融合方法,详细阐述了小波多尺度分析的应用过程；并分析了空域和频域常用的融合算法,由于不同的频域采用不同的融合规则是图像融合的核心,它的选取直接决定了图像最后的融合效果。所以,本文在空间匹配度的基础上对低频小波融合规则进行了改进,并对融合后的多聚焦图像在主观方面和客观方面(标准差、信息熵、平均梯度)与源图像进行了比较,结果表明本文图像融合的质量较高。