多聚焦图像融合是图像融合的一个重要分支。由于光学镜头的有限景深,只有聚焦比较好的物体可以获得清晰的图像。而融合处理后的图像不仅提高了信息的可靠性而且充分利用了互补信息,因此为人类和机器感知提供了更好的视角。本文在研究了相关算法后,提出两种在双尺度变换框架下的融合方法。主要内容如下:第一,本文简述了几种基于空间域、变换域的融合方法及规则,介绍了常用的评价指标以及多聚焦可见光成像特性。第二,提出基于总变分(Total variation,TV)与相位一致(Phasecongruency,PC)的融合方法。介绍了 TV与PC的基础理论以及两个部分的具体融合步骤。采用高斯滤波器进行快速双尺度分解,可以减少检测误差与图像的失真,大大降低数据的处理量;由于总变分对噪声具有鲁棒性,该方法降低了对传感器噪声的敏感度,因而有更好的融合效果。通过实验分析,证明了该方法的优越性。第三,提出基于引导滤波(Guidedfiltering,GF)与改进的拉普拉斯能量和(Sum modified Laplacian,SML)的融合方法。该部分介绍了 GF的相关理论知识和SML在应用上的优越性以及具体的融合过程。该方法采用基于GF的像素显著性和空间背景相结合的权重构造方法,克服了因忽略空间一致性导致的亮度和颜色失真问题。通过五组图像与六种算法的对比,以及四组客观指标的测量,证明该方法性能优越。