由于传统的多聚焦图像融合算法不能对图像中聚焦区域划分进行有效度量，提出了一种新的多聚焦图像超分辨融合方法来改善图像融合效果。该方法对图像清晰区和模糊区进行度量，并利用稀疏表示方法对度量后的清晰区域进行超分辨重建。首先，采用空间频率方法提取源图像中清晰区域与模糊区域，然后确定清晰区域中的主清晰区和次清晰区，并计算它们的真实下采样尺度。最后，通过学习多尺度稀疏表示字典对图像中次清晰区域进行超分辨率重建，并与清晰区域结合形成最终融合图像。实验及各种定量评价结果表明，提出的方法较常规方法具有更好的融合性能，得到的图像更清晰。对比Harr小波，非下采样轮廓波变换(NSCT)，剪切波(Shearlet)变换等方法，其熵(EN)提升了1%，峰值信噪比(PSNR)提升了0.62 dB，清晰度(SP)和空间频率(SF)提升30%，均方误差(MSE)下降了6%左右。

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题，采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差，由该点的梯度方向决定滤波器的长轴方向，由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值，从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中，实验结果表明：各向异性SUSAN滤波器能够很好地保留图像中的边缘信息，使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高，目标大小得到较好的保留，虚警率下降。