图像融合是一门聚合了传感器、信号处理、图像处理、计算机视觉、人工智能等交叉学科的技术手段。性能优异的融合算法能够提取多源信息的兴趣属性、提高图像信息容量、增强特征显示能力,从而为观测者提供更加准确、全面、可靠的分析判断。根据多源图像的特征属性,目前的图像融合方向主要有多聚焦图像融合、可见光图像与红外图像融合、多光谱图像与全色图像融合等。近年来,基于压缩感知理论稀疏表示的图像融合方法引起很多学者的关注。其基本原理是:利用稀疏表示理论将源图像与一个过完备字典下相乘得到稀疏系数,对所得到的稀疏系数进行某种特定的融合规则融合,最后将融合后的稀疏系数在相应字典下变换得到融合值。相比传统的空域与变换域的融合方法,该方法在稀疏性、特征保持性和可分性方面具有一定的优势。本文针对多聚焦图像在基于压缩感知理论基础的图像融合方法存在边缘保持度低等问题,提出一种基于图像自相似属性进行图像区域选择及区域内像素点的投票方案来确定融合权值的新概念,然后将其与压缩感知理论相结合的图像融合方法。其实现过程是首先对多聚焦源图像进行单层小波分解,对分解后的的低频系数自相似性计算后加权融合,对于高频分量使用高斯矩阵进行观测,并对观测值做自相似性计算后加权融合,再对融合后的高频系数进行重构,最后对重构的高频系数和低频系数作小波逆变换得到融合图像。针对该方法,选择了基于压缩感知和绝对值选大图像融合与基于压缩感知和梯度选大图像融合两组图像融合算法进行对比实验,仿真结果表明,本文方法改进了基于压缩感知理论的多聚焦图像融合能以较低的计算复杂度,获得较高的边缘保持度、信息熵以及互信息,其融合的图像清晰度高,融合效果更好,且在相同采样率下,本文方法的边缘保持度和信息熵方面分别高出压缩感知理论域的梯度规则融合和绝对值取大规则融合方法的百分比为27%、24%和1.8%、0.2%。