基于卷积神经网络的多聚焦图像融合算法研究

发布时间：2024-05-16 22:49

　　多聚焦图像融合技术被广泛应用于数字摄像、医学影像以及安全监控等领域。多聚焦图像融合旨在将具有不同聚焦区域的多个图像组合成全聚焦的单个图像。现有基于卷积神经网络的多聚焦图像融合算法在融合性能上实现了很大的提高,但在源图像的多尺度特征提取、不同网络层特征利用等方面还存在不足之处。针对这些问题,本文从源图像深度特征提取及网络架构等方面展开深度融合网络研究,对提升多聚焦图像算法融合性能以及实践推广应用具有重要价值。主要研究内容如下:(1)提出一种基于多尺度空洞卷积网络的多聚焦图像融合算法。针对源图像的特征提取尺度单一的问题,本文设计了一种多尺度空洞卷积模块,采用不同扩张率的空洞卷积从不同层级的感受野分析图像特征,提高网络对源图像中不同尺度特征的提取能力。此外,利用SE(Squeeze-and-Excitation)注意力模块使图像特征提取分析更加准确,提高融合图像的质量。实验结果证明,该算法能有效地提取源图像的多尺度特征,提升网络表达能力,相对于对比算法具有更好的融合效果。(2)提出了一种基于密集注意力网络的多聚焦图像融合算法。针对网络中间层的部分有用信息丢失的问题,本文设计了一种密集卷积模块...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于变换域的多聚焦图像融合
        1.2.2 基于空间域的多聚焦图像融合
        1.2.3 基于深度学习的多聚焦图像融合
    1.3 本文主要研究内容及组织结构
        1.3.1 本文主要研究内容
        1.3.2 本文组织结构
第二章 相关背景知识介绍
    2.1 神经网络相关理论
        2.1.1 卷积神经网络
        2.1.2 Siamese网络
        2.1.3 残差网络
        2.1.4 DenseNet网络
        2.1.5 注意力机制
        2.1.6 空洞卷积
    2.2 图像融合评价指标
        2.2.1 主观评价方法
        2.2.2 客观评价方法
    2.3 本章小结
第三章 基于多尺度空洞卷积网络的多聚焦图像融合算法
    3.1 引言
    3.2 融合算法框架
        3.2.1 网络框架
        3.2.2 多尺度空洞卷积模块
        3.2.3 损失函数
        3.2.4 网络训练
    3.3 数据集生成
    3.4 实验结果与分析
        3.4.1 主观视觉评价
        3.4.2 客观指标评价
        3.4.3 消融实验
    3.5 本章小结
第四章 基于密集注意力网络的多聚焦图像融合算法
    4.1 引言
    4.2 融合算法框架
        4.2.1 网络框架
        4.2.2 损失函数
        4.2.3 网络训练
    4.3 实验结果与分析
        4.3.1 主观视觉评价
        4.3.2 客观指标分析
        4.3.3 消融实验
    4.4 本章小结
第五章 基于多尺度空洞残差网络的多聚焦图像融合算法
    5.1 引言
    5.2 融合算法框架
        5.2.1 网络框架
        5.2.2 多尺度空洞残差卷积模块
        5.2.3 损失函数
        5.2.4 网络训练
    5.3 实验结果分析
        5.3.1 主观视觉分析
        5.3.2 客观指标分析
        5.3.3 消融实验
    5.4 本文提出的三种方法之间的性能对比
    5.5 本章小结
第六章 总结与展望
    6.1 论文工作总结
    6.2 研究展望
参考文献
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间申请的专利
附录4 攻读硕士学位期间参加的科研项目
致谢



本文编号：3975021