图像融合技术(Image Fusion Technology)作为多传感器信息融合的一个非常重要的分支,近二十年来,引起了世界范围内的广泛关注和研究热潮。图像融合主要在像素级、特征级、和决策级三个层面上进行,而像素级图像融合是在基础层面上进行的信息融合。多聚焦图像是指当摄像机拍摄与镜头距离不同的多个目标时,由于无法同时聚焦到这些目标使其清晰,常常分别聚焦到各个目标多次拍摄而得到的多幅图像。多聚焦图像融合技术能够有效地提高图像信息的利用率和系统对目标探测识别的可靠性,广泛应用于机器视觉、数码相机、目标识别等领域。本文主要是多聚焦图像基于像素级融合层次展开。本文主要完成了以下工作:1.针对图像融合时存在的评价问题,系统地分析和研究了图像融合质量客观评价的各种方法,基于这些方法的特点和相互关系,通过实验数据分析,确定了更适合多聚焦图像融合的评价指标。在有标准参考图像的情形下,采用均方根误差作为图像融合客观评价方法;在没有标准参考图像的情形下,采用交互信息量作为图像融合的方法,在比较不同融合方法的融合效果,不是对同一融合算法进行阈值研究时,可采用清晰度或空间频率补充评价。2.通过对多小波理论的初步研究,在深入理解图像融合技术基本理论和方法的基础上,提出了一种新的基于区域的多小波融合分层改进方法,该方法基于对图像多小波分解的深入理解,对高频细节信息进行了更细致的划分,从而有利于在融合过程中提取源图像的重要细节信息,根据特点采用不同的融合规则,利用确定的评价指标,实验结果表明该方法能够有效的提高图像的融合质量。为了进一步改善图像的融合效果,本文结合Burt和Kolczynski提出的使用梯度金字塔分解和基于活跃度与匹配度的融合算法,对Wilson提出的融合算法进行了改进,提出了一种新的改进的融合算法,应用于上面的改进方法,针对多聚焦图像进行了大量的相关实验。实验结果证明该方法具有更好的融合效果和鲁棒性。