图像融合作为图像处理领域一个重要的分支,在军事、民生等方面都有着广泛的应用。受光学元件景深限制,造成了图像靠近聚焦点处清晰,远离聚焦点处模糊的缺点,但全局都清晰的图像有利于提取图像中的目标。多聚焦图像融合可以得到全局都清晰的图像,目前已经在目标识别、目标追踪等领域有了广泛应用。在多聚焦图像融合发展的几十年里,已经有许多方法被提出并广为使用。传统的基于模型驱动的方法对图像进行变换后按照一定的融合规则进行融合,但此类方法通常需要人工设置活动水平测量与融合规则,其设计需要一定的先验知识。基于深度学习的融合方法利用神经网络去生成符合融合要求的融合规则,避免了人工设置的局限性。但目前深度学习的方法多为直接在空间域中对图像进行处理,不能进行多尺度融合。针对上述问题提出了一种基于GAN和三通道不可分小波的多聚焦图像融合方法,以结合二维不可分小波的多分辨分析特性与GAN的生成能力。该方法首先根据多聚焦图像靠近聚焦点清晰,远离聚焦点模糊的特点,在现有图像库上利用高斯模糊制作用于网络训练的模拟多聚焦图像;然后根据二维不可分小波多分辨分析构造出用于分解图像的二维三通道不可分小波滤波器组,并对模拟多聚焦图像与标准图像进行非采样小波分解,得到各自对应的一幅低频与两幅高频子图像;根据多聚焦图像的融合要求与小波分解后图像的特点设计相对应的GAN网络和损失函数,之后将分解后的子图像送入GAN网络进行训练得到最终的融合模型,GAN的生成图像进行小波重构后即为最终融合结果。最后采用真实多聚焦图像对本文方法进行测试。通过与已有的三种方法进行对比发现,本文方法可以得到全局清晰的结果图像,并且融合结果图像可以保持与源图像相似的结构。