作为图像融合的一个重要的研究领域，多聚焦图像融合就是将多幅成像条件相同而且关于同一场景的不同焦点图像，融合成一幅各处都清晰的图像。本文主要对多聚焦融合算法进行深入的研究。论文中分别采用基于粗糙集与PCA的多聚焦图像融合算法和基于PCNN与粗糙集的多聚焦融合算法对多聚焦图像进行融合。粗糙集理论是处理不确定性问题的一种数学工具。为了解决含有椒盐噪声的图像的融合问题，采用粗糙集理论与PCA算法相结合对受到噪声干扰的多聚焦图像进行融合。先采用粗糙集理论对源图像进行粗糙增强预处理，再用PCA算法对增强后的图像进行融合，得到融合图像。采用主观方面及熵和平均梯度等作为图像融合效果评价准则。仿真结果表明，运用该算法得到的融合图像的视觉效果比源图像更好。为了能够得到比较好的融合图像，将PCNN与粗糙集应用于多聚焦图像融合中。首先，计算源图像像素的邻域空间频率和局部方差。将邻域空间频率作为PCNN的输入，局部方差作为PCNN对应神经元的链接强度。再根据粗糙集理论对源图像像素进行分类处理，最后生成融合图像。实验结果表明，该算法在一定程度上优于其他一些融合算法。