1.基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，包括如下步骤：

1)准备待融合的两幅多聚焦源图像，对两幅多聚焦图像分别进行滑动窗口分块，将分块后相互对应的源图像子块形成I个子张量；

2)对子张量进行高阶奇异值分解HOSVD，得到分解系数；

3)采用基于模糊推理的加权融合规则WAFR对分解系数进行融合：

3.1)提取HOSVD分解系数的方差 区域能量 匹配度MDi三个特征，并将三个特征的值域量化为模糊论域；

3.2)采用Mamdani极小化原理设计模糊推理规则，利用最大隶属度原则对各自的权值进行模糊决策得到加权值，根据加权值得到融合后系数；

4)对步骤3)得到的融合后系数进行HOSVD逆变换得到融合后图像子块；

5)将步骤4)得到的融合后图像子块组合生成最终的融合图像。

2.根据权利要求1所述的基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，所述步骤1)包括如下步骤：a)将两幅M×N的多聚焦源图像分别记为B(1)和B(2)，利用滑动窗口技术把B(1)和B(2)分别分成I个相互对应的 源图像子块，滑动步长大小为r， 且其中 代表 最接近的整数；

b)将I个相互对应的 源图像子块形成I个 子张量，记为Ai，i＝1,2,…,I。

3.根据权利要求1所述的基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，所述步骤2)具体为：对Ai进行HOSVD分解得到Si，其公式为Ai＝Si×1Ui×2Vi×3Wi，其中Si为核张量，Ui，Vi，Wi分别为Ai的一维，二维，三维展开的左奇异值向量，为了便于得到融合结果，利用 代替Si作为图像块的特征， ，对于每一个图像块Bi(k)，k＝1,2，用公式表示为

4.根据权利要求1所述的基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，所述步骤3.1)包括如下步骤：a)对于 以(x,y)为中心开t×t的邻域窗口，计算每个窗口的 和MDi，为 了便于表示，记 k＝1,2，表示第i块中第k个图像子块的系数，其计算公式为：

其中， p＝-1,0,1，q＝-1,0,1， 为窗口的平均值， 为窗口掩膜且

计算归一化的特征，由于匹配度MDi(x,y)的取值范围为[0,1]，所以只需计算归一化的 和 计算公式如下：

经过归一化之后， 和MDi取值范围均[0,1]；

b) 和MDi的取值范围均为[0,1]，将三者值域以0.1作为量化间隔量化为模糊论域 和 对 建立两个模糊集 和同样地，对 建立两个模糊集 和对 建立两个模糊集Mi和 Mi＝{ci1和ci2匹配}，它们的隶属度函数为

z对应上述模糊论域。

5.根据权利要求1所述的基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，所述步骤3.2)包括如下步骤：a)采用Mamdani极小化原理设计8种模糊推理规则，即：①如果ci1的方差占优，ci1的区域能量占优，且ci1和ci2不匹配，则规则R1定义为：R1：如果 且

则

②如果ci2的方差占优，ci2的区域能量占优，且ci1和ci2不匹配，则规则R2定义为：R2：如果 且

则

③如果ci1的方差占优，ci1的区域能量占优，且ci1和ci2匹配，则规则R3定义为：R3：如果 且

则

④如果ci2的方差占优，ci2的区域能量占优，且ci1和ci2匹配，则规则R4定义为：R4：如果 且

则

⑤如果ci1的方差占优，ci2的区域能量占优，且ci1和ci2不匹配，则规则R5定义为：R5：如果 且

则

⑥如果ci2的方差占优，ci1的区域能量占优，且ci1和ci2不匹配，则规则R6定义为：R6：如果 且

则

⑦如果ci1的方差占优，ci2的区域能量占优，且ci1和ci2匹配，则规则R7定义为：R7：如果 且

则

⑧如果ci2的方差占优，ci1的区域能量占优，且ci1和ci2匹配，则规则R8定义为：R8：如果 且

则

b)根据最大隶属度原则对各自的权值进行模糊决策，即：

图像子块变换系数cik的加权值分别为

根据得到的加权值，融合系数Di表示形式为，

6.根据权利要求1所述的基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，所述步骤4)具体为：根据得到的融合后系数Di，融合后的图像子块Fi通过下面的公式得到：Fi＝Ui×Di×ViT。

7.根据权利要求1所述的基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，其特征在于，所述步骤5)具体为：按照源图像重叠分块的顺序对融合后图像子块进行拼接重构，生成最终的融合图像，并且将该融合图像输出显示。