多聚焦图像融合的原理是将一个固定场景下设置不同焦点深度的多传感器所记录的多幅图像中的焦点像素进行融合,进而合并成一幅全焦点的融合图像。图像融合研究一直是一个有吸引力的科学讨论,本文就该技术展开深入的探究工作,提出了相应的改进方法。1.本文提出了一种基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法,该方法直接从源图像提取聚焦的部分,而后融合成具有全清晰聚焦的图像。本文算法首先对源图像进行多个尺度的超像素分割,再将得到的超像素输入网络模型,并对输出的初始分类映射图进行连通域操作,得到初始决策图;然后根据多幅初始决策图的异同得到不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用对阶段决策图进行形态学操作,再根据所得的最终决策图融合图像。本文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。2.在联合摄影专家组(Joint Photographic Experts Group,JPEG)框架下,提出了一种基于离散余弦变换(DCT)和聚焦评价的快速多聚焦图像融合方法。首先,直接读取JPEG格式源图像的DCT系数,在此基础上,提出了一种仅使用几个低阶DCT系数的聚焦评价方法;然后,在DCT域上构造初始决策映射;最后,通过形态学操作对最终的决策图进行细化,再利用简单的融合规则得到融合后的图像。根据实验结果分析,本文方法极大的降低了融合算法的存储容量和计算复杂度,同时在视觉质量和客观评价指标方面仍然具有竞争力甚至更好的融合结果,因此本文方法非常适合于无线视觉传感器网络(WVSN)中的实时应用。