随着传感器技术的发展,多传感器图像数据类型和数量急剧丰富,图像融合技术在军事、遥感、计算机视觉、医学图像处理等领域得到了广泛应用,更成为了国内外研究的热点。近年来,图像融合技术得到了迅速发展,尤其是多尺度分析工具的不断改进,使得融合效果更加完善,但同时也促使融合算法的计算复杂度急剧增加,这使其并不适应于能量有限、实时性要求高的应用环境,如无线多媒体传感器网络。融合图像聚焦区域不连续、亮度失真和容抗性差是基于传统多尺度分析工具方法最大的缺陷。因此,如何在保证融合质量的同时降低融合算法的计算复杂度仍然是一个巨大的挑战。本论文深入研究了低复杂度多聚焦图像融合算法,主要研究成果和创新点概括如下:(1)根据邻居距离分析工具具有识别能力强、计算复杂度低等特点,结合数学形态学技术,提出了一种基于邻居距离和形态学的多聚焦图像融合节能算法。该算法有效克服了基于传统融合算法获得的图像聚焦区域不连续、亮度失真等问题。在频域以块的方式探测聚焦区域的探测方法保证了融合算法较低的计算复杂度。(2)根据灰色关联分析处理小样本数据的独特优势,结合数学形态学技术,提出了一种基于灰色关联分析和形态学的多聚焦图像融合节能算法。该算法在保证较好的融合图像聚焦区域连续性的同时,具有较低的计算复杂度。该方法具备较好的容抗性,除了严格配准的多聚焦图像,对于未配准图像和含噪音图像也能得到理想的融合效果。