图像融合是指将多个传感器针对同一对象在不同时间或不同视角采集到的图像进行信息融合以生成包含更多信息的新图像。图像融合可满足人们对图像信息的不同需求,提高系统对目标的识别准确率。动态多聚焦图像融合作为图像融合技术的一个重要技术组成,它的提出旨在解决不同焦距的光学传感器在对同一场景生成动态图像时,由于场景视深的差距、摄像头焦距的不同导致目标不能完全清晰成像的问题。这使得基于动态多聚焦图像融合技术在涉及图像融合的医学、民用、军用等不同领域都起到了较为广阔的应用前景。本文针对动态多聚焦图像融合技术进行了较为详细和深入的研究,主要的工作如下:首先,介绍图像融合的相关原理以及技术特点,其中主要包括了多聚焦图像成像原理和特点、多聚焦图像融合的主要算法,从图像融合技术的三个层级出发对图像融合的主要算法的优缺点进行了比对分析。并介绍了对图像融合结果的主观评价标准与客观评价标准。然后,详细介绍了非下采样Contourlet变换(NSCT)图像融合算法的原理及实现,在此基础上通过对融合规则作改进,提出一种改进融合规则的NSCT多聚焦图像融合算法。该算法在低频系数采用梯度值取大的融合规则,在高频系数采用一种混合的融合规则,这种混合的融合规则为:在高频系数的最高分解层采用像素点灰度值取大的融合规则,在高频系数的其他分解层采用基于区域强度比的融合规则,经过实验与分析,该算法在多个客观评价指标都有一定的性能提升。最后,本文提出了一种基于提升格式小波变换和脉冲耦合神经网络(PCNN)的图像融合算法。基于提升格式小波变换和PCNN的图像融合算法在进行图像融合时,不仅利用了提升格式小波变换计算简单、容易实现的特点,而且由于提升格式小波变换仍然具有多尺度、多分辨率的特性,因此可以针对不同尺度上的分量选择适合的融合准则,其中对于低频分量通过比较区域能量来进行融合,对于高频分量进行融合时,则选用了PCNN来实现,充分利用了PCNN能有效地提取图像中高频信息这一优势。通过实验进行客观评价,结果表明,该算法在多个评价指标上得到了提升。