Abstract: 摘 要: 为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象，以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷，提高多聚焦图像融合的效率与质量，采用一种基于提升静态小波变换与联合结构组稀疏表示的图像融合算法。首先对实验图像进行提升静态小波变换，根据分解后得到的低频系数与高频系数各自不同的物理特征，采用不同的融合方式。选择低频系数时，采用基于联合结构组稀疏表示的系数选择方案；选择高频系数时，采用方向区域拉普拉斯能量和与匹配度相结合的自适应融合算法。最后经逆变换重构得到最终融合图像。实验结果表明，改进的算法有效地提高了图像的互信息量、平均梯度等指标，完好地保留图像的纹理与边缘等细节信息，融合图像效果更好。

Key words: Keywords: Multi-focus image fusion, Lifting stationary wavelet transform, Joint structural group sparse representation, Regional sum modified-laplacian, Matched-degree

摘要： 摘 要: 为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象，以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷，提高多聚焦图像融合的效率与质量，采用一种基于提升静态小波变换与联合结构组稀疏表示的图像融合算法。首先对实验图像进行提升静态小波变换，根据分解后得到的低频系数与高频系数各自不同的物理特征，采用不同的融合方式。选择低频系数时，采用基于联合结构组稀疏表示的系数选择方案；选择高频系数时，采用方向区域拉普拉斯能量和与匹配度相结合的自适应融合算法。最后经逆变换重构得到最终融合图像。实验结果表明，改进的算法有效地提高了图像的互信息量、平均梯度等指标，完好地保留图像的纹理与边缘等细节信息，融合图像效果更好。

关键词: 关键词: 多聚焦图像融合, 提升静态小波, 联合结构组稀疏表示, 区域拉普拉斯能量和, 匹配度