在多聚焦图像融合过程中，存在低频子带信息丢失、边缘失真和图像模糊等问题。为了获得更理想的融合图像，提出了一种基于边缘保持滤波的多聚焦图像融合仿真方法。根据自适应梯度联合约束，模糊图像通过初始恢复阶段、边缘保持滤波阶段、梯度先验估计阶段和最终恢复阶段进行恢复。低频子带的构造采用深神经网络模型的自编码器。将子带设置为网络输入后，根据自编码器的学习属性获取输入子带特征，得到隐层神经元权重，通过对权重的比较，选择合适的低频子带实现多聚焦图像融合。采用标准差、平均梯度、互信息和边缘信息保留指数等客观评价多聚焦图像融合的性能。研究表明，该方法具有较强的噪声抑制性能，能有效地提取出源图像中清晰的像素点，在图像融合方面具有显著优势。