图像融合技术是图像处理的研究热点，被广泛应用于多个研究领域，如:计算机视觉、自动目标识别、成像导航与制导、智能机器制造等。图像融合是将不同传感器得到的同一物体的图像或相同传感器在不同时刻得到的同一物体的图像，通过去噪、时间空间配准及重采样后，再利用某种融合方法得到一幅信息互补的合成图像的过程。多聚焦图像融合是图像融合的重要组成部分，是获取全聚焦图像的重要方法之一。本论文以多聚焦图像为研究对象，多尺度分析方法为研究工具，提高融合图像质量为研究目标，对多聚焦图像融合算法展开深入研究。论文在分析总结现有基于频域的融合算法的基础上，根据现有算法抗噪声能力差，计算复杂度高和融合效果不理想等不足，引入一种新的数学工具——k次W系统，k次W系统是由Haar函数与Legendre多项式构成的一类新的混合正交函数系，它的基函数是分段k次多项式。本文将W变换分别与拉普拉斯算法、梯度金字塔算法、Contourlet算法及非下采样Contourlet变换相结合，提出了多种改进的多尺度图像分解方法，针对新分解算法下低频与高频的特点，提出了相应的融合规则，由此得到了几个新的多聚焦融合算法，本文主要的研究成果如下:　　(1)提出了一种基于W系统和拉普拉斯变换的新的图像融合算法，该算法首先采用W系统与拉普拉斯金字塔相结合的方法对图像进行多尺度分解，然后根据其分解的特点采用局部能量加权阈值匹配的融合规则进行融合。实验结果表明，该算法主观效果上克服了经典算法容易出现的块效应和伪吉普斯现象，客观上，提高了各项评价指标。　　(2)结合W变换和Contourlet变换，提出了一种基于W变换的Contourlet多尺度分解算法，根据新分解算法的特点，提出了W变换域中纹理加权阈值匹配的低频融合规则。由此得到了一种新的多聚焦图像融合方法——WCT算法。大量的仿真实验表明，新的融合算法能有效改进融合图像的视觉效果和客观评价指标。　　(3)结合W变换和非下采样Contourlet变换，提出了一种基于W变换和非下采样Contourlet变换的多聚焦图像融合算法——WNSCT算法，该算法采用改进的脉冲耦合神经网络PCNN作为高频融合规则，在改进的PCNN融合规则中，信息熵和局部可见度被用来代替经典PCNN中的固定值作为链接强度。仿真实验表明，WNSCT算法能有效抑制伪影信息，改善融合图像的视觉效果，且在标准差、信息熵、平均梯度和空间频率等客观评价指标上明显优于传统的基于Contourlet变换、非下采样Contourlet变换、离散小波变换的融合方法。　　(4)在研究多聚焦图像融合的客观评价指标的基础上，总结出适用于多聚焦图像的定性评价指标，选择采用标准差、信息熵、平均梯度及其空间频率的评价指标对融合后的图像分别进行客观评价，以便更好地评价提出的新算法和融合规则。