在现有的成像技术中,由于器件景深的限制,人们很难将距离超过限度的两个目标同时聚焦在一幅图像上。而多聚焦图像融合的目的是从同一场景的多幅局部聚焦图像中提取出聚焦区域,然后将它们重组为一幅全聚焦的图像。从多幅图像中提取出聚焦区域是实现多聚焦图像融合的关键。本文主要针对多尺度分析和超分辨处理的多聚焦图像融合算法中涉及到的关键技术和问题进行了研究。首先,阐述了多聚焦图像融合课题背景以及国内外的研究现状,介绍了多聚焦图像的成像原理,梳理了图像融合的基本框架,对该领域的研究热点及难点进行梳理和分析,同时介绍了常用的质量评价指标。其次,针对仅采用RGF或者基于“图像分割”的融合算法存在的空间失真、边缘模糊等问题,本文提出了一种基于超分辨增强的混合融合算法。该混合融合算法使得空间失真和边缘模糊等问题得到大大改善,并且根据!"、#、$指标的提高也论证了本文所提出的混合算法在增强融合图像信息量和清晰度方面的可行性。然后,针对RGF在边缘恢复过程存在的梯度反转现象和JBF在平滑纹理以及区域细节时出现的轮廓和边界丢失问题,本文提出了一种基于RGF和JBF的多尺度分解方法。该方法将源图像分解成4个子层,包括1个基础层和3个细节层,用JBF替代RGF中的边缘恢复,不仅可以保证空间的一致性,又可以提取到尽可能多的特征信息。实验表明,基于RGF和JBF的多尺度分解方法比单纯基于RGF的多尺度分解方法的捕获细节能力要强。最后,针对目前很多多聚焦图像融合算法在融合边界上处理不好的问题,本文在前面多尺度分解和超分辨处理的基础上,提出一种基于“图像分割”的图像融合算法。该算法遵循先粗后细原则,其中,粗检测是基于边缘特征的分割方法实现的,细检测是基于块的分割方法实现的,通过检测聚焦区域和散焦区域之间的特殊边界得到更为准确的融合权重图,再基于该权重图对细节层进行融合;而对于基础层融合,本文提出一种基于全局方差和加权平均的联合方法,实验表明,本文所提出的融合算法不仅可以有效解决权重误判问题,而且能产生边缘更加清晰、视觉感知更好的融合图像。