随着成像技术的发展进步和各种成像设备的普及,人们能轻易地获取大量类型不同、内容丰富的图像。对于很多计算机视觉和图像分析任务来说,场景中所有物体都清晰的图像可以提供更多有用的信息。然而,在实际的拍摄条件下,几乎不可能只在一次拍摄中获得满足应用需求的全场景清晰图像。其原因主要有两个方面:一是成像设备中的光学镜头有景深范围的限制,只有处于距离光学镜头特定距离范围内的物体才能得到清晰的成像,范围之外的物体会有离焦模糊;二是在实际的拍摄场景中,往往有很多处在不同深度的感兴趣物体。多聚焦图像融合技术就是通过图像处理的方式,将在同一场景中拍摄的多张聚焦在不同深度处的图像进行融合,得到一张场景中所有物体都清晰的图像。本文在上述研究背景下,针对基于深度学习技术的多聚焦图像融合开展了深入的研究,旨在提高多聚焦图像融合的质量。本文的主要研究工作如下:1.分析研究了目前主流的多聚焦图像融合算法,将它归纳为基于变换域的融合算法、基于空间域的融合算法和基于深度学习的融合算法三大类。列举了这三类方法的处理步骤,分析总结了它们的优缺点。2.针对基于深度学习的融合算法需要大量带有标签的多聚焦图像作为训练数据,本文使用合成的方式,在带有物体分割标注的VOC 2012自然图像数据集的基础上,通过点扩散函数模拟离焦模糊,合成足够数量的多聚焦图像对作为训练数据集。3.针对传统的基于变换域和基于空间域的融合算法需要人工精心设计聚焦水平测量以及融合规则的问题,本文引入了深度学习技术,将聚焦检测转化为二分类的问题,通过卷积神经网络建立源图像与聚焦决策图的映射关系,并直接根据网络生成的聚焦决策图来指导多聚焦图像的融合过程。同时,针对目前的几种多聚焦图像融合算法无法对图像中的同质区域进行完整的聚焦检测,并且在聚焦与离焦区域分界处检测不够精确的难点,提出了一种新颖的U型卷积神经网络结构,并设计了一种混合损失函数来提升网络性能。实验结果表明,所提网络结构和损失函数有效解决上述难点。本文在公开的多聚焦图像测试数据集上与现有算法做了对比实验。为了对不同算法的融合结果做全面、多维度的定量评价,本文采用了基于信息论、基于图像特征、基于结构信息、基于人类感知的四类图像质量评价指标,对融合图像进行定量分析比较。本文还采用视觉主观感知评价的方式进行定性比较。定量和定性的实验结果一致表明本文算法可以精确检测出源图像的聚焦区域,得到高质量的全场景清晰图像。