针对现有多曝光图像融合算法得到的图像质量不高以及算法效率低的问题，提出了基于场景局部特征的多曝光图像融合算法。首先，将不同曝光量的图像序列划分为规则的图像块，并且相邻的图像块有一定像素的重叠区域。对于静态场景，根据图像的局部方差、局部可视性以及局部显著性特征这三个指标计算每一个图像块的权重值；对于动态场景，除了应用前面所述的三个局部特征指标外，还需要将局部相似性指标用于动态场景融合过程中以去除运动物体导致的鬼影现象。其次，利用加权求和的方法得到最佳的图像块。最后，将输出的图像块进行融合，并且将图像块重叠区域的像素求平均，从而得到最终的融合结果。选取12组不同自然场景的曝光序列，从主观和客观两方面与现有的基于像素和基于特征的7种算法进行了分析和比较。实验结果表明：无论在静态场景还是动态场景的测试中，所提算法都保留了更多的场景信息，获得了令人满意的视觉效果，同时该算法还保持了较高的计算效率。

针对多聚焦图像融合容易出现信息丢失、块效应明显等问题，提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先，通过聚焦检测获得源图像的聚焦信息，并根据所有源图像的聚焦信息生成融合图像的三分图，即前景、背景和未知区域；然后，利用图像抠图技术，根据三分图获得每一幅源图像的精确聚焦区域；最后，将这些聚焦区域结合起来构成融合图像的前景和背景，并根据抠图算法得到的确定前景、背景对未知区域进行最优融合，增强融合图像前景、背景与未知区域相邻像素之间的联系，实现图像融合。实验结果表明，与传统算法相比，所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度，在主观评价方面能有效抑制块明显效应，得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域，以期得到更优的融合效果。