在图像处理技术中,图像融合占据着重要的地位,并在其他领域中都获得了广泛的关注。作为图像融合技术中的一个重要分支,多聚焦图像融合克服了景深的限制,将同一传感器于同一场景获得的不同景深的图像融合并重构为一幅清晰的图像,实现了该场景中所有的目标都清晰聚焦。在能量受限及实时应用的场景中,单个节点的计算及存储资源有限,处理节点获取到的冗余图像信息会产生不必要的能耗,同时降低节点的寿命。因此,通常可以利用图像融合来提取并融合冗余数据的有效信息,去除干扰信息。为使图像融合效果更佳趋于真实场景,通常融合算法设计得较为复杂,但同时会带来更复杂的计算开销。根据实时应用环境特点,本文提出了两种基于图像分解的多聚焦图像融合算法。本文先提出了一种结合Split Bregman分解的多聚焦图像融合新方法。首先利用Split Bregman算法将源图像进行分解得到源图像的结构部分及纹理部分,然后根据结构部分及纹理部分的特征,利用新的聚焦评价函数全距差分模值(RMD)将各部分的显著特征提取出来并综合得到各幅源图像的聚焦图。最后,通过对比这些源图像的聚焦图得到全聚焦的初始决策图,并利用初始决策图重构最终的融合图像。本文还提出了一种基于四阶偏微分方程(FPDEs)的多聚焦图像融合算法。首先利用FPDEs将源图像分解后得到结构部分及纹理部分,降低了处理过程的计算复杂度,然后根据结构部分及纹理部分采用基于区域对比度的改进的拉普拉斯全距均值(ARML)的方法进行融合并得到融合图像的初始决策图。.最后,通过初始决策图重构得到最终的融合图像。与传统的小波变换等变换域方法及现有的空间域等方法相比,提出的两种法都获得了理想的融合效果,而且计算的时间较低,在主观评价和客观评价方面都表现出更好的性能。实验结果表明,所提出的两种融合算法均适用于能量受限的环境。