多聚焦图像融合技术作为信息融合领域重要分支，主要是为了解决由光学镜片景深所导致的，对同一场景中的位于不同聚焦平面的多个物体不能同时获得清晰图像数据这一实际问题，利用该场景多幅不同聚焦点图像之间的冗余和相关信息，从而可以获得具有更高分辨率、更大可信度的清晰图像。在研究分析了多聚焦图像成像特点、目前已有的多聚焦图像融合算法以及主要多聚焦图像融合效果评价标准的基础上，针对如下几个方面进行了研究：（1）理论分析并实验验证了非下采样Contourlet变换（NSCT）多尺度分解的分解级数对多聚焦图像融合效果的影响，从而获得较佳评价效果的分解层数，为后续NSCT分解级数的选择提供了很好理论和实践支撑。（2）根据多聚焦图像和NSCT的各自特性，提出了一种基于区域分割与NSCT相结合的多聚焦图像融合算法，此算法利用多尺度、多结构元的数学形态学对多聚焦源图像进行边缘信息检测，通过边缘信息的区域能量对多聚焦图像进行清晰度判定，根据清晰度可以将源图像分为清晰区域、模糊区域、过渡区域，对应源图像有清晰区域的NSCT的逆变换的高低频系数都取之相对应的清晰区域，而对于过渡区域，其低频系数的采用基于源图像边缘信息能量加权的融合规则，而高频系数采用的是绝对值取大法，并运用对比实验验证了该算法的可行性。（3）根据多聚焦图像经过NSCT分解后各层系数的不同特点，分别针对噪声图像和低噪声图像提出了两种改进融合规则的多聚焦图像融合算法。对于低噪声图像，利用低频子图像的形态学边缘信息与高频系数区域能量共同决定低频系数的选取，对于高频系数，在分析最高层和次高层系数呈现不同特点的基础上，前者采用绝对值取大法，后者运用区域能量法。而对于噪声图像，由于低频系数受噪声影响较少，并且噪声大部分集中在最高层的高频系数中，提出了利用低频子图像的区域锐度完成对低频及次高频系数的选取，对于最高层的高频系数采用低频子图像边缘信息与窗口相结合的方法，一定程度上抑制噪声的影响。