深度密集卷积神经网络协同检测的多聚焦图像融合方法
摘要
针对传统方法不能充分挖掘图像聚焦关联信息导致融合细节失真的问题，提出了一种基于深度密集卷积神经网络协同检测的多聚焦图像融合方法。将多聚焦源图像进行集成实现协同聚焦特征检测，利用深度密集卷积神经网络的特征复用、低级特征与高级特征相结合等特点，来加强多聚焦图像特征表达能力，可以更好地挖掘图像语义信息。采用多尺度金字塔池化策略聚合不同聚焦区域的全局上下文信息，增强聚焦与离焦的区分能力，得到粗略融合概率决策图。进一步采用卷积条件随机场对其进行优化，获得精细化概率决策图，最终得到细节保持的融合图像。将一对多聚焦图像合并为6通道送入网络进行训练，保证了训练时聚焦图像相关性。利用公开数据集对提出的融合方法进行主观与客观评价，实验结果表明该方法具有较好的融合效果，能够充分挖掘聚焦关联信息、保留足够的图像细节。
引用本文（GB/T 7714）
杨威 Yang Wei, 梅礼晔 Mei Liye, 徐川 Xu Chuan, 等. 深度密集卷积神经网络协同检测的多聚焦图像融合方法[J]. Laser & Optoelectronics Progress, 2022.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。