基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个特有算法,通过将源图像分块,比较对应图像块的清晰度,然后挑选出清晰度高的图像块来合成融合图像。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群中的个体,通过多次演化,最后获得使融合图像效果最好的图像分块。算法过程简单,而且能获得效果很好的融合图像,但是存在很多不足：该算法在演化过程中,只生成一个子代种群,会丢失父代种群的部分信息,导致收敛速度变慢,全局搜索范围较小：当对应图像块的清晰度相等时,该算法的处理方式会改变源图像的像素值；参数固定,为了得到最优图像分块,需耗费大量精力调整参数,而且会陷入局部收敛,只搜索到局部最优解,而不是全局最优解。本文正是针对基于差分演化的多聚焦图像融合算法的不足,做出改进如下：首先,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。利用双子代机制,在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大了全局搜索范围,提高了算法的收敛性能；利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,该机制能使改进算法获得比原算法获得效果更好的融合图像,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。其次,针对原算法的参数固定的问题,提出一种基于参数自适应差分演化和自适应分块机制的多聚焦图像融合算法。在改进算法的基础上,引入两种参数自适应调整策略-线性变化策略和随机变化策略,并对随机变化策略加入选择机制进行改进,自动调整变异因子和交叉因子,不仅可以解决原算法和改进算法需要人工调整控制参数的不足,而且还加快了算法的收敛速度。实验结果表明,基于参数自适应差分演化的多聚焦图像融合算法在全局搜索范围和收敛性能上比改进算法更优秀,能获得效果很好的融合图像,而且通过比较,基于改进的随机变化策略的多聚焦图像融合算法比基于线性变化的算法综合性能更好。