在现实生活中,人们利用摄像机拍摄照片时,总是希望拍摄照片中同一场景下的所有事物都是清晰的,以此来获得最佳的成像效果。但由于摄像机的镜头受到景深的限制,可能会造成镜头无法同时聚焦同一场景下的所有目标,这导致拍摄的照片中部分区域清晰,部分区域模糊,成像观感不佳。为此,研究人员们开始着手设计算法改善这一情况,多聚焦图像融合算法是这些算法中最常见的,它能够将同一场景下不同聚焦区域的多张图像融合成一幅全区域清晰的图像。融合后的全焦图像全部区域清晰,有效地解决了源图像中模糊区域观感不佳的问题,提高了图像信息的利用率。近些年来,越来越多的多聚焦图像融合算法被提出,常见的多聚焦图像融合方法容易产生颜色失真和边缘伪影的情况,这一现象在聚焦和散焦的边界线处尤为突出。此外,由于多聚焦图像融合领域的特殊性,无法找到用于训练的公开数据集,这导致无法充分地训练网络。为了解决这些难点,本文提出了两种用于多聚焦图像融合的深度学习网络和一个用于训练的合成数据集,主要内容如下:（1）提出的第一个网络为两阶段渐进融合网络,它由初始融合块网络和增强融合块网络两个子网络组成,能够通过端对端之间的映射渐进地学习源图像的颜色信息和细节特征。在融合过程中,该网络首先通过初始融合块网络融合源图像的颜色信息,生成初始融合图像,随后在初始融合图像的基础上利用增强融合块网络,进一步融合源图像的细节特征,生成最终的融合图像。（2）提出的第二个网络为多阶段渐进融合网络,该网络包含三个阶段,每个阶段分别学习源图像在不同尺度下的特征,然后结合所有尺度下学习到的特征,生成最终的融合图像。为了充分利用不同阶段提供的上下文信息,提高网络训练过程的稳定性,该网络提出了一种跨阶段的多尺度特征聚合策略,并引入注意力机制来聚集网络的学习重点。（3）使用Mask模板和高斯滤波器对“VOC2012 Dataset3”数据集进行处理,生成用于训练的合成数据集,该数据集包含现实生活中常见的场景与物体,能够模拟现实中的聚焦图像。此外,本文分别从主观和客观方面对网络的融合结果进行定性和定量评估。为了进一步放大对比图像之间的差异,在主观评估实验中引入了差分图的概念。综合所有评估结果表明,提出的两个网络拥有合理的融合效率,与主流的融合算法相比能够取得更好的融合效果。