从二十世纪中叶至今,光电成像技术一直处于迅速发展中,现如今已经广泛应用于摄影摄像、交通引导、军事对抗和医学影像等各个方面。作为数字成像系统中的核心技术之一,自动聚焦技术的相关研究也越发受到人们重视。早期的相机多是基于人工对焦的方式进行工作,但随着工业技术发展和光学理论知识的完善,这种效率低下的对焦方式很快被自动聚焦技术所取代。当前,基于图像处理的现代自动聚焦系统已经成为生产和应用的主流,系统利用光电传感器接收前端镜头成像并转换为电信号,再经计算机对模数转换后的数字图像作聚焦程度评价,最终驱动电机带动镜头实现搜索定位,完成成像聚焦。现代自动聚焦系统多采用聚焦深度法和离焦深度法原理进行搭建,其中又以聚焦深度法的应用更为广泛。聚焦深度法主要由三部分构成:聚焦窗口选择、聚焦评价函数和聚焦搜索策略。选择聚焦窗口旨在强调整幅图像中的前景目标,合理的聚焦区域在缩减评价函数工作量的同时,也能有效减小背景区域因素和噪声的干扰。聚焦评价函数作为自动聚焦流程最重要的一环,通过特定算法对不同焦距上的成像结果进行清晰度衡量,为镜头调控提供参考标准。聚焦搜索策略的作用在于为步进电机规划行程,以精准、迅速地实现焦点定位,提高聚焦效率。本文研究内容即围绕这三个方面展开。研究主要在以下各方面提出改进与创新:（1）针对传统的聚焦评价函数难以兼顾精度与稳定性,且抗噪能力不足,提出一种基于动态分割和局部最大梯度的的清晰度评价函数。结合二维Otsu算法和改进的最大梯度法对图像作二值化过滤,以增强离焦图像与聚焦图像的边缘细节对比,再基于梯度方差和梯度非零解变化特征构建新的清晰度评价函数。通过仿真实验可知,本文提出的清晰度评价函数满足聚焦精度要求,且灵敏度和抗噪性较传统算法更优。（2）针对聚焦窗口区域的选择,提出了一种基于自适应差分进化算法的窗口采样方法。方法结合窗口采样需求设置进化算法初始种群及控制参数,并以图像边缘锐利度分布特征为基准构建适应度函数,实现基于智能搜索算法的目标区域查找。经大量实验证明,本文提出的窗口采样方法在前景目标的精准定位方面表现更优,更能满足稳定性与适用性需求。（3）为提高聚焦搜索性能,在传统搜索方法的基础上进行改进,提出一种混合搜索策略,先采用斐波那契搜索完成粗过滤,再采用自适应爬山搜索法实现细定位,较大程度上提高了聚焦搜索的精度和效率。并结合本文提出的聚焦评价函数和聚焦窗口选择策略设计出一套完整的基于聚焦深度法的自动聚焦方法。