多聚焦图像融合的实质是提取出每幅多聚焦源图像中的清晰区域,并对这些清晰区域进行融合,生成包含全部场景且都清晰的融合图像。如何准确定位并有效提取源图像中的聚焦区域是多聚焦图像融合的关键。然而,多聚焦图像的内容与结构较为复杂,使得传统的多聚焦图像融合方法很难对源图像中的聚焦区域进行准确定位并提取,导致融合图像的质量并不理想。本论文针对现有多聚焦图像融合方法存在的不足,对多聚焦图像融合方法进行了深入研究,提出了一种新的多聚焦图像融合框架——基于决策图与稀疏表示的多聚焦图像融合算法。考虑到直接对多聚焦图像进行聚焦特征分析,既增大算法计算的复杂度又难以准确提取聚焦特征,该算法首先并非直接对多聚焦源图像进行聚焦分析,而是采用稀疏表示理论与基于块的聚焦特性测量方法对源图像的低尺度图像进行分析,将源图像的各个像素点分为聚焦、离焦与不确定三类,以生成初始的决策图。其次,为了获得只包含聚焦域与离焦域的最终决策图,需要采用空间频率方法对不确定区域作进一步的分类处理。最后,根据所获得的最终决策图,将所提取出的聚焦区域进行融合获得基于决策图的融合图像。然而,由于难以对过渡区域中各像素点的聚焦特性进行准确评价,所生成的决策图往往存在一定的误差,使得融合效果不理想。针对这一问题,本论文采用基于稀疏表示的多聚焦图像融合方法对过渡区域进行融合处理,获得该区域的融合结果,且综合基于决策图的融合结果以获取高质量的融合图像。理论分析和实验结果表明了本文提出的融合模型是合理和有效的。通过三个多聚焦图像数据集的仿真对比实验表明:本文提出的基于决策图与稀疏表示的多聚焦图像融合方法比传统方法更为有效。