随着信息产业技术的进步,众多图像传感器设备纷纷进入人们视野,满足人们在各种领域的应用。但是,由于某些成像机制的限制,一种成像机制往往无法满足人们的需求。如相机成像设备,在同一场景下,不同的聚距采集的信息差异巨大。单一条件下,无法获取同一场景下多源信息。所以,如何根据不同成像原理或参数图像进行融合以完成某种需求成为急需研究的课题。图像融合是将多张图像融合成一张。融合后的图像包含每张原始图像互补信息。图像融合技术广泛应用于摄影、监控、医疗、遥感技术、航空、计算机视觉等领域。其具有颇高的应用价值,故图像融合研究具有十分重要的意义。根据上述的图像融合研究背景与意义,本文针对多聚焦图像融合进行了深入研究。传统基于多尺度分析的方法,由于采样方式或融合规则容易导致信息丢失。基于稀疏表示的方法中,往往因字典表达能力不足,细节融合模糊,且计算消耗很大。早期基于空域法易引起块效应。针对以上问题,提出了基于分数阶微分的多聚焦图像融合、基于高斯拉普拉斯的多聚焦图像融合方法。本文主要研究工作和创新点如下:①在基于空域法传统的基于多尺度分析方法中,由于采样与融合策略容易造成图像信息丢失。基于稀疏表示方法中往往因字典表达能力不足,导致融合细节模糊且融合时间复杂度非常高。对于基于空域法的多聚焦图像融合方法中,度量图像活跃度的算法十分关键。提出分数阶微分特征来度量图像的活跃度。该算法首先用八个方向的分数阶模板对图像进行卷积,然后累加每个方向卷积后的绝对值,得到原始图像的活跃程度度量图。然后用滑动窗口技术,分别对每个度量图进行比较。窗口内累加和大的,视为聚焦,相应得分图加1。以得分图信息得到决策图。最后通过决策图对原始图像加权的方式得到最终融合图像。该算法有效克服了传统基于空域法的块效应等。通过实验对比分析,此算法实验效果在主观与客观评价中表现都较好。②针对基于变换域和空域方法中易丢失信息及时间复杂度高的问题,提出基于高斯拉普拉斯算子(LOG)的多聚焦图像融合算法。首先利用高斯拉普拉斯算子对原始图像进行掩膜卷积,取其绝对值得到相应原始图像的活跃程度度量图。然后用滑动窗口技术,分别对每个度量图进行比较,窗口内和值大的视为聚焦,相应得分图加1。通过得分图与一定策略得到决策图。最后通过决策图对原始图像加权得到融合图像。从多聚焦图像公开数据库进行实验。提出方法在主观细节上和几个客观评价指标均优于对比算法。且有效克服传统基于稀疏表示法的细节失真与高时间复杂度等缺点。