在信息化时代的背景下,数字图像作为人类感知和传递视觉信息的基本载体,已经广泛应用到了人类社会的各个方面。现代成像技术通过将物理设备捕捉到的数据编码成计算机可以理解的像素信息,并构建出完整的数字图像。然而,用于成像的传感器仍然受限于其物理性能和成像原理,难以同时捕捉全面而丰富的视觉信息。例如,基于互补式金氧半导体（CMOS）的图像传感器可以将光信号转换为电信号以创建图像,但这种光学镜头受到景深的限制,无法同时聚焦所有物体。对于当下社会对于高质量图像的需求不断增长的现状,相比设计更先进同时成本更高的成像设备,发展成像算法被认为是更有前途的研究方向。针对单个成像设备有限景深的局限性,多聚焦图像融合技术被广泛用于将多张部分聚焦的图像合成为清晰的单张图像的任务,以服务于进一步的人类观察或计算机视觉应用。近年来,基于聚焦度量的策略在多聚焦图像融合任务中取得了极大的成功,但最流行的基于图像块的聚焦度量存在着一定局限性。本文主要针对这个问题进行研究,主要工作如下:第一,针对基于图像块的聚焦度量受限于图像块大小选择的问题,本文引入了稀疏特征,利用不同尺度（图像块尺寸）的图像块对聚焦感知不同的特点设计了两种多尺度字典,并应用于多聚焦图像融合,可以有效避免基于图像块方法的局限性。（1）分离式多尺度字典独立训练每个尺度的字典,在有效度量聚焦的同时保持了较高的聚焦度量计算效率;（2）统一式多尺度字典在每个尺度上既关注该尺度的特征,又可以考虑到其他尺度的信息,取得了更好的性能。对比实验表明,在传统多聚焦图像融合方法的框架下,应用多尺度字典相比于应用传统字典,可以得到明显的效果提升。消融实验证明了引入了稀疏特征的合理性。第二,使用基于图像块的聚焦度量不能很好地在像素级识别多源图像的聚焦区域,导致融合性能退化,因此本文提出了一种新颖的基于多尺度字典的多聚焦图像融合框架,它通过像素级聚焦度量来执行聚焦区域检测。本文设计的自适应递归滤波器具有全局计算的特点,可以充分利用源图像空间信息将由多尺度字典得到的块级度量值扩展到像素级。然后,根据通过逐像素比较得到的准确决策图生成融合图像。为了验证本文提出的框架的有效性,本文与14种最通用的方法进行了对比。实验结果表明,该融合框架在无后处理的情况下得到的融合结果在视觉感知和客观评价方面均优于当前最通用的方法。