多聚焦图像融合是图像融合领域的一个重要研究方向,其能有效克服光学镜头聚焦范围有限的缺陷,将目标场景中处于不同距离的所有景物都清晰地呈现在一幅图像中。这不仅能有效提升图像信息的利用率,增强系统识别和目标探测的可靠性,还为图像的进一步处理如图像分割、目标识别、特征提取等提供良好的基础。目前,多聚焦图像融合已经广泛应用于目标识别、机器视觉等领域。在多聚焦图像融合中,基于空间域的融合方法直接在图像的像素空间上进行融合,可以更多地保留图像中的原始像素信息,具有图像像素一致性好等优点,是近年来国内外研究学者在该领域展开研究的重点。在现有的国内外研究基础上,本论文围绕基于图像块的空间域多聚焦图像融合展开研究。主要研究内容如下:(1)为提高基于空间域的多聚焦图像融合中对源图像聚焦程度度量的准确性,提出一种基于加权多尺度形态学梯度与均匀分块的图像融合方法。在获得源图像聚焦程度度量图的过程中,首先通过多尺度的形态学操作得到多尺度形态学梯度,然后分别通过尺度加权和距离加权获得加权多尺度形态学梯度。在图像分块过程中,为减少图像块同时包含聚焦区域像素和散焦区域像素的情况,将图像均匀分割为2?2大小图像块;并采用图像块与领域像素组成的6?6大小范围的值作为该图像块聚焦程度值。实验结果表明,此方法可以提高对图像中平滑区域聚焦程度度量的准确性。(2)为解决图像分块方法中图像块大小不容易确定的问题,提出一种基于密集SIFT描述符与自适应分块的图像融合方法。在获得源图像聚焦程度度量图的过程中,首先获得源图像的密集SIFT描述符图,然后将其作为聚焦程度度量图。在图像分块过程中,采用四叉树图像分块方法,根据图像聚焦分布情况决定图像块的分割,实现图像块大小的自适应选取。实验证明,此方法可以减少融合过程中“块效应”的产生,在主观视觉和客观评价指标方面可与现有多聚焦融合方法媲美。