无线传感器网络(Wireless Sensor Networks,WSNs)是当下信息领域中研究的热门方向之一,可用于特殊环境实现信号的采集、处理和发送。作为一种新颖的信息采集和处理技术,无线传感网络被越来越广泛地应用到了实际生活中。但是传感节点一般使用固定容量电池供电,节点的计算能力、存储容量和通信能力相对较弱,这限制了无线传感网络的使用性能。WSNs中数据融合定义为整合从多个传感节点采集数据的过程,目的是减少网络中的冗余信息。在WSNs中采用数据融合技术可以节约更多传输能量和网络容量,延伸网络使用时长。因此WSNs中数据融合技术的研究是非常必要的。本文在查阅大量文献的基础上,首先阐述了 WSNs中图像融合的发展背景和研究现状,引出WSNs中多聚焦图像融合研究的意义。对现有多聚焦图像融合算法进行归纳分类,详细介绍了部分典型算法的原理与优缺点。针对现有融合算法的不足,设计了一种基于四叉树结构自适应分块和加权区域梯度能量清晰度指标的多聚焦图像融合方法。本文的主要工作如下:(1)聚焦信息评价指标的改进。详细介绍图像融合所需聚焦信息的测量方法,特别是空间域图像清晰度指标,提出了一种新的聚焦测度加权区域梯度能量,并将其与现有的清晰度指标方差、梯度能量、拉普拉斯能量、梯度能量、改进拉普拉斯能量和等进行了仿真对比。(2)重点介绍本文基于加权区域梯度能量和四叉树结构的多聚焦图像融合算法流程,包括两部分:按照四叉树结构分解策略以及融合图像重构。根据加权区域梯度能量设计了图像四叉树结构分解阈值,从而检测出源图像的聚焦块。对于融合决策图中在聚焦区域出现的独立小块和空洞,根据相邻像素的相关性采用一致性检验消除。(3)对本文算法进行实验测试,对几种算法根据融合图片的视觉效果和差异图进行了主观评价,客观评价上衡量了各融合图像的信息熵、互信息量、结构相似性、边缘保持度指标,验证了本文算法的有效性。并对算法耗时进行了统计,与视频传感器网络中DCT融合算法进行对比,评估将算法应用到传感器网络的可行性。并仿真对比了算法处理前后融合节点能耗,证明算法带来数据量的减少能够节省网络能量。