图像融合是图像处理中的一项关键技术，而多分辨率分析方法则是处理图像融合时的常用方法，在图像融合当中发挥着重要的作用。本文重点研究的内容是基于多分辨率分析（MRA, Multi-Resolution Analysis）的多聚焦图像融合算法，主要包含了以下三个方面：首先，着重介绍的是多聚焦图像融合的相关理论，其中主要包括了多聚焦图像成像原理和特点、多聚焦图像融合的三个层次划分以及像素级层次上的多聚焦图像融合的主要算法，并对其主要算法的优缺点进行了比对分析，此外，还简要介绍了图像融合效果的主客观性能评价体系，为后续章节的实验结果提供了评价的判定准则；其次，提出了基于双树复小波变换（DT-CWT, Dual-tree Complex Wavelet Transform）的多聚焦图像融合算法。针对多聚焦图像的成像原理及其多聚焦图像本身所具有的特点以及分解后高频子带系数和低频子带系数的相关性，在融合规则中，对高低频子带系数进行选择时分别采用了“局部区域能量匹配度”和“改进的梯度算子取大”的融合准则，该算法充分利用了DT-CWT良好的空间细节表现力这一优点，各客观评价指标值说明融合后图像的清晰度能得到显著地提高；最后，根据小波系数的边缘分布特点，引入了高斯混合模型（GMM, Gaussian MixtureModel），将其与小波变换（WT, Wavelet Transform）相结合，提出了一种新的融合算法。在融合规则中，高频子带依据高斯混合模型估计的标准差的大小来选择系数，而低频子带则采用了区域熵作为衡量图像清晰度的度量。仿真实验结果表明，该融合算法得到的融合图像的对比度和边缘都得到了增强，从而大大改善了融合后图像的质量。