近些年来，图像融合已成为图像理解和计算机视觉领域中一项重要而有用的新技术。图像融合是一项综合同一场景多源图像信息的技术。来自多个传感器的多源图像能够提供互补或冗余信息。利用冗余信息可以改善信噪比并且可获得更可靠的结果。同样，利用互补信息可使获得的融合图像包含更丰富的细节及更全面的信息。由于利用了来自多传感器的多源图像，所以，融合后图像对场景的描述比任何单一源图像都更全面、更精确。融合图像更符合人和机器的视觉特性，更有利用于目标识别、特征提取等进一步的图像处理。在不利的环境条件下(如烟、雾、雨、低照明、运动等)或者当一个图像传感器不足以提供用于目标识别或场景的足够信息时，通过图像融合我们可获得较满意的图像效果。 本文主要针对多聚焦图像融合的一些算法进行了深入的研究：讨论了简单平均法，拉普拉斯(Laplacian)金字塔方法和基于小波变换的融合方法，并对它们的融合效果进行了比较。然后提出了一种基于二维离散余弦变换和进化策略的多聚焦图像融合算法，此算法简单易行，既保留了图像的边缘特性和多聚焦图像的对比度特性，又有效的对两幅多聚焦图像进行了融合。通过实验及结果分析，该方法优于拉普拉斯金字塔融合算法和小波变换融合算法。