由于传感器自身的物理特性、成像机理和观察角度的不同,且传感器自身无法完成多幅图像的融合,以至于单个传感器无法获得对一幅场景的全面的描述。图像融合可以很好地解决这一难题,图像融合已经成为信息融合的一个热点内容,它是将两幅或者多幅图像的有用信息融合成一幅图像,而融合后的图像具有利用率高、可靠性高、质量高等特点,能方便人眼的观察和计算机的进一步处理。多聚焦图像融合技术作为图像融合的一个重要组成部分,其克服了光学系统景深的影响,将不同图像的清晰部分提取出来最后合并成一幅清晰的图像。传统的方法很难提取源图像中的聚焦区域,因此融合后的图像质量并不理想。为了克服传统融合方法的不足,本文基于现有的算法在图像空间域内展开研究,研究内容如下:(1)本文提出了基于全变分和四叉树分解的多聚焦图像融合算法,该算法可以很好地处理块效应问题。针对源图像的清晰度检测问题,传统的拉普拉斯能量和的聚焦函数只考虑了图像水平和垂直两个方向,本文改进了传统的聚焦区域检测方法。算法首先通过对实验图像进行全变分分解,得到其纹理和结构图像,然后对获得的纹理图像做四叉树分解得到纹理图像的最优分块,利用改进的聚焦区域检测函数对每一子块进行检测得到初始决策图。实验结果显示,本文算法的互信息指标值和空间空间频率指标值最高,均值分别为6.7225、16.5125,时间复杂度均在4秒内,适用于实时处理系统。(2)本文将RPCA理论应用于多聚焦图像融合算法中。该算法首先对多幅源图像进行RPCA分解得到各自的稀疏矩阵,然后通过聚焦检测函数和滑动窗口技术对稀疏矩阵进行运算得到梯度能量矩阵,接着对梯度能量矩阵进行中值滤波处理得到平滑矩阵。根据聚焦区域的特点,将梯度能量矩阵与平滑矩阵作差得到差值矩阵,通过差值矩阵确定聚焦区域的位置。实验结果显示,算法的四个指标的均值分别为5.9675、6.8325、16.38、20.945秒,适用对实时性要求低融合结果要求高的融合系统。