像素级卷积神经网络多聚焦图像融合算法

作者：申铉京; 张雪峰; 王玉; 金玉波^*

来源：吉林大学学报（工学版）, 2022, 52(08): 1857-1864.

DOI：10.13229/j.cnki.jdxbgxb20211096

• 多聚焦图像融合
• 深度学习
• 像素级回归
• 卷积神经网络

提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息,解决了聚焦/散焦区域周围模糊程度估计的困难。此外,在图像融合领域,应用环形残差网络(RResNet)模块来提取更多聚焦区域的语义信息。同时,利用结构相似度(SSIM)估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量,同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明:该方法在主观视觉效果和客观评价方面均优于其他融合算法。

• 单位
  吉林大学