提出了一种基于局部特征分析的多聚焦图像融合方法。首先采用二维经验模式分解（BEMD）对不同聚焦图像进行分解，得到多个内蕴模函数（IMF）分量，然后提取出第一个IMF分量的统计信息作为图像融合的依据，对多张不同聚焦的图像进行融合，得到最终的融合图像。实验结果表明，本文提出的均值IMF方案与其他方案相比，具有较高的融合质量和较低的计算复杂度。

针对目前传统多聚焦图像融合中图像局部模糊不易度量, 融合策略难以设计等问题,提出一种新的相位拉伸核函数, 形成基于扩展相位拉伸变换的多聚焦图像融合算法。该算法将传统的线性或次线性群延迟相位滤波器推广到非线性群延迟相位滤波器,并从理论上证明,这种扩展相位拉伸变换的逆变换相位近似于原始图像的归一化二阶梯度, 将图像高频特征传统的梯度极值表达转换为角度或相位表达,利用角度/相位图像局部方差对清晰与模糊图像良好的区别特性设计出基于扩展相位拉伸变换局部相位方差度量的融合策略,克服了目前融合方法存在的不足。