1.一种基于运动友好的多对焦融合网络的图像融合方法，其特征在于，包括以下步骤：步骤S1：使用相机拍摄两张部分对焦的图像，其中一张图像前景对焦、背景模糊，另外一张图像前景模糊、背景对焦；

步骤S2：利用特征对齐模块将图像的中间特征对齐，判断两张图像中相机是否有移动，如果是，进入步骤S3，如果否，进入步骤S3或步骤S4；判断两张图像中物体是否是移动的，如果是，进入步骤S3，如果否，进入步骤S3或步骤S4；

步骤S3：使用运动友好的多对焦融合网络MTMFNet对输入的两张照片进行融合，根据运动友好的多对焦融合网络MTMFNet直接输出两张融合后的照片，与输入图像一一对应；

步骤S4：使用融合网络对输入的两张照片进行融合，并输出两张融合后的照片，与输入图像一一对应。

2.根据权利要求1所述的一种基于运动友好的多对焦融合网络的图像融合方法，其特征在于，所述特征对齐模块包括反卷积层。

3.根据权利要求1所述的一种基于运动友好的多对焦融合网络的图像融合方法，其特征在于，所述步骤S3中运动友好的多对焦融合网络MTMFNet的包括：所述运动友好的多对焦融合网络MTMFNet包括数据集；

所述数据集包括一个DAVIS视频数据集和一个Cityscapes街景图像数据集。

4.根据权利要求3所述的一种基于运动友好的多对焦融合网络的图像融合方法，其特征在于，所述数据集包括：所述数据集选取DAVIS视频数据集中的运动对象作为图像前景，选取Cityscapes中的街景图像作为图像背景；

图像前景选择了随机方向、随机幅度的非刚性运动对象，同时对图像背景做随机方向、随机幅度的非刚性运动的变换。

5.根据权利要求1所述的一种基于运动友好的多对焦融合网络的图像融合方法，其特征在于，所述步骤S3中运动友好的多对焦融合网络MTMFNet对输入的两张照片进行融合的计算方法包括：在训练运动友好的多对焦融合网络MTMFNet时，使用的损失函数为：loss＝losss+0.1×lossf；

其中，

其中，losss表示空间域损失，lossf表示频率域损失。I_1p表示输入图像1对应的输出图像，I_1g表示输入图像1对应的地面真实图像。F_1p表示输入图像1对应的输出图像的傅里叶变换，F_1g表示输入图像1对应的地面真实图像的傅里叶变换；I_2p表示输入图像2对应的输出图像，I_2g表示输入图像2对应的地面真实图像。F_2p表示输入图像2对应的输出图像的傅里叶变换，F_2g表示输入图像2对应的地面真实图像的傅里叶变换。H和W分别表示输入图像的高度和宽度，i表示RGB图像的通道索引。

6.根据权利要求1所述的一种基于运动友好的多对焦融合网络的图像融合方法，其特征在于，所述步骤S4中的融合网络包括多聚焦图像融合网络。