图像融合技术能够突破单个传感器获取图像信息的局限性,从多个传感器中提取信息进行图像融合,从而提高图像中场景或目标的清晰度,以便于人眼视觉观察和机器学习,有助于下一步工作和研究的开展。多聚焦图像融合不仅在民用方面得到广泛应用,军事、农业、医学各个方面也不断发挥着其重要作用。首先,针对传统的非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)融合算法过程中存在大量的源图像信息丢失现象,本文提出了基于NSCT变换域聚焦区域检测的多聚焦图像融合。与传统的融合方法相比,该方法充分利用各层级各方向子带之间的相关性。从整体来看,此方法尽可能的保留图像的初始信息,提高了图像的互信息和融合效果。其次,为了进一步提升融合图像对源图像中有价值的原始信息保留,减少基于变换域融合方法中的信息丢失,本文提出将变换域算法与空间域算法结合的基于NSCT聚焦区域检测的图像融合算法。该算法充分利用变换域和空间域的优势,既提高了图像的空间结构特性,又充分保留了源图像的边缘等信息。最后,针对基于空间域算法中可能存在对平滑区域的聚焦程度出现误判的情况,本文提出了基于NSCT的二次图像融合算法,在空间域中运用递归边缘保持滤波(Recursive edge-preserving filter,RF)和广义随机游走算法(Generalized random walk)对图像进行融合处理,提高对聚焦区域的准确性。之后再将两个融合图像进行NSCT分解,进行二次融合。该方法使得图像对于聚焦区域有了更准确的判定,尽可能的保留图像的初始信息,增强融合图像空间结构特性。实验结果证明,该方法能够有效提高融合图像质量,提升最终融合图像视觉效果。