1.一种结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：包括以下步骤：S1：图像聚焦度描述；

S2：图像块分割及块对聚焦判定；

S3：图像重构。

2.根据权利要求1所述的结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：步骤S1具体包括以下步骤：S11：输入512*512大小源图像对其进行归一化处理，用适当数量零值像素扩展图像；生成一个5*5的高斯模板，并求出其x、y方向的梯度，然后分别与源图像作卷积运算生成源图像在x、y方向的方向梯度Gx、Gy；通过勾股定理和反正切运算分别得到梯度幅值矩阵|J(x,y)|和幅角矩阵θJ(x,y)；运算公式如下：其中I(x,y)为源图像，g(x,y)为二维高斯函数；

通过图像x、y两个方向的方向梯度可以得到图像梯度幅值和梯度幅角，公式如下：θJ(x,y)＝atan2(Gx,Gy)  (5)

S12：生成8个方向幅值量化权值，并对图像梯度量化生成8个量化梯度矩阵；将每个量化梯度矩阵分为4*4个采样区域并得到采样中心点位置；由于每个采样区域大小相同，生成一个1*16大小高斯核加权的x方向权值，利用对称性得到16*1大小高斯核加权的y方向权值；对8个加权后的量化梯度矩阵进行16次采样生成8*16维512*512大小密集描述符矩阵；

其中幅值权值和量化梯度公式如下：

w(θJ(x,y)-θt)＝max(0,cos(θJ(x,y)-θt))  (6)|J(x,y,θt)|＝w(θJ(x,y)-θt)|J(x,y)|  (7)其中8个方向角度用θt表示， Nθ＝8；

通过高斯核函数使远离中心点的重要性降低生成128维密集描述符公式如下：其中 Nx＝4，Ny＝4，

T

T＝(Tx,Ty) ；kj(y)是高斯核函数加权的y方向权值，ki(x)是高斯核函数加权的x方向权值，σwin是高斯核函数的方差，*表示卷积运算，mσ是采样范围大小控制参数；

S13：对获得的128密集描述符矩阵叠加，生成的密集描述符叠加矩阵可实现图像聚焦测量，公式如下：

3.根据权利要求1所述的结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：步骤S2具体包括以下步骤：S21：分解之前将源图像大小通过填零扩展为2的整数次幂；将源图像作为四叉树的第一级，计算最大分解级数，如果满足分解条件就分为四个图像子块；分成的子块对继续此分解过程，直到所有块对不满足分解条件为止；

S22：对于选中的图像块对，分别选择其中最大聚焦测量和最小聚焦测量生成一个全为最大值的矩阵和一个全为最小值的矩阵；计算该块对的聚焦测量值，找到最大聚焦测量值和最小聚焦测量值；

源图像的最大聚焦测量矩阵和最小聚焦测量矩阵计算公式如下：SDDmax(x,y)＝max(SDD1(x,y),SDD2(x,y))  (14)SDDmin(x,y)＝min(SDD1(x,y),SDD2(x,y))  (15)源图像中选中的图像块对中最大聚焦测量矩阵和最小聚焦测量矩阵，计算公式如下：计算一个块对中每个块的聚焦测量值，公式如下：

分别找出该块对中的最大聚焦测量值和最小聚焦测量值，公式如下：FMBmax＝max(FMB1,FMB2)  (19)FMBmin＝min(FMB1,FMB2)  (20)S23：计算该块对中最大聚焦测量值和最小聚焦测量值之差；计算该块对最大密集描述符差之和；

计算该块对的聚焦测量值之差，即最大聚焦测量值与最小聚焦测量值之差，公式如下：MDFM＝FMBmax-FMBmin  (21)

计算该块对最大密集描述符差之和，公式如下：

SSDD＝∑∑(SDDBmax(x,y)-SDDBmin(x,y))  (22)SDDBmax(x,y)和SDDBmin(x,y)是从该块对中分别选取密集描述符和的最大值和最小值，FMBmax和FMBmin是块对中最大聚焦块的聚焦测量值和最大聚焦块的聚焦测量值；

S24：判定图像块对的聚焦情况：如果满足分解情况1，当聚焦块来自源图1则融合决策图对应区域值为1，当聚焦块来自源图2则融合决策图对应区域值为-1；如果满足分解情况2则继续此分割过程；如果在最后一级满足分解情况2则为聚焦过渡区域，融合决策图对应区域值为0；

如果块对满足分解条件1，则SDDBmax(x,y)中每个值都是选取于最大聚焦块，SDDBmin(x,y)中每个值都是选取于最小聚焦块，即MDFM等于SSDD；满足分解条件1的判定条件设为SSDD≥0.98×MDFM，此外就满足分解条件2。

4.根据权利要求3所述的结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：步骤S2中，在分解过程中，块对的聚焦情况分为两类：(1)一个块为完全聚焦，另一个块为完全散焦；(2)一个块对中至少有一个块为不完全聚焦；

块对的分解条件为：符合第一种块对聚焦情况，则该块对能找到完全聚焦的块，此块对不再分割；除此外，块对符合第二种情况，该块对的图像块继续分为四个子块；

设定源图像大小为M×N为四叉树结构中的第一级，图像被分解为最小2×2大小的子块对，所以相应的最大分解级数可以由公式求得：Levelmax＝log2{max(M-1,N-1)}+1  (13)其中log是对数运算。

5.根据权利要求1所述的结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：步骤S3具体包括以下步骤：S31：通过形态学滤波消除融合决策图中聚焦区域边界的毛刺和不确定的断开情况；通过小块滤波实现聚焦区域中孤立区域的删除达到聚焦区域内部的闭合，进而生成最终融合决策图；

S32：根据得到的融合决策图，融合决策图值为1，则复制源图像1对应区域的像素值到融合图像；如果是-1则复制源图像2对应区域的像素值到融合图像对应区域；如果是0则取源图像1和2源图像对应区域的像素平均值复制到融合图像，公式如下：其中Ir是源图像，IF(x,y)为融合图像。