基于深度学习的多聚焦图像融合方法研究

发布时间：2021-01-29 18:43

　　多聚焦图像融合是当前图像融合领域研究的热点问题,它能够克服成像设备的景深限制,将多个聚焦在不同区域的图像融合成一张完全清晰的全聚焦图像,有效提高原始图像信息的利用率。多聚焦图像融合是一个涉及到多个学科知识的课题,该技术已被广泛运用到医学、军事、公共安全等领域。根据对图像处理的方式不同,可将图像融合分为三个层次:像素级、特征级和决策级。与后两种层次的图像融合方法相比,像素级图像融合方法能够有效减少信息的损失,更多地保留待融合图像中的信息。然而,大部分基于像素级的融合方法需要经验依赖的特征提取方法来计算聚焦度,即像素点的活跃度,因此本文提出了基于深度学习的融合方法来自动提取特征。对于像素级图像融合方法,如何更加准确地检测出聚焦区域并且获得更丰富的边缘信息也是这类方法的关键所在。本文旨在提高待融合图像聚焦识别的能力,较好地提取图像清晰部分以及边缘细节,并针对深度学习在多聚焦图像融合算法中存在的问题进行研究,提出了相应的改进算法。论文的主要创新性工作如下,1.针对基于卷积神经网络（Convolutional Neural Network,CNN）的多聚焦图像融合方法需要大量的数据进行训练,提出... 

【文章来源】：江西财经大学江西省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

可见光图

基于深度学习的多聚焦图像融合方法研究2人机整机会配备各种传感器件，包括重力、红外、Lidar、可见光等传感器，这些都是为无人机可以在复杂的作战环境下利用尽可能多的信息来更好地执行任务所配备的，而如何将各种传感器所捕获的信息进行综合地利用则需要一项关键的技术——图像融合技术。图1-1给出了一组可见光与红外图像，在可见光图像中，由于人与背景的颜色很相似，因此很难一眼识别出人的所在，但是场景信息十分地清晰；相比之下，红外图像中的人物信息十分显著，但是场景信息确很模糊；将可见光图像和红外图像进行信息的融合以利用它们各自的显著信息，这对无人机开展精确的目标查找、识别等任务时有很大的帮助。近年来，像美国、日本、法国、俄罗斯等这些大国已经发射了多颗军用卫星，这些卫星早已更新换代，配备了多种成像器件来采集图像信息，为了能无误地执行任务需要对不同数据进行综合。在民用方面，多光谱图像和全色图像都只有单一功能，要么提供光谱信息，要么提供高分辨率细节信息，因此仅仅使用单一的传感器采集到的信息并不能精确地分类地物或是对场景进行理解。如图1-2所示的是由卫星所采集到的多光谱图和全色图像，一个提供了丰富的光谱信息，一个提供了丰富的细节信息。在医学上，医生在对病人的病情进行评估时，通常需要结合人体单个部位的多幅不同类型的影像信息来判断病情，因为不同类型的医学传感器对人体组织所呈现的感知信息不同。如图1-3所示的MRI图像与人脑CT图像，这两张图是对人脑同一个部位的信息采集，但是反应的是不同的组织结构信息，因此对这两幅医学影像图进行融合后便能够得到一幅能够完整描绘大脑结构的图像，这将有利于医生对(a)多光谱图像(b)全色图像图1-2多光谱图像与全色图像

第1章绪论3病人进行全面的病情诊断。多聚焦图像融合是图像融合另一个子分支，其主要解决的是输入图像为多个不同聚焦点的图像。由于成像设备本身的景深限制，在某个场景中，不是所有的图像都能够被清晰的成像。根据光学成像原理，当场景中的目标靠近镜头焦平面时，该目标可以在像平面上清晰地显示，即其是聚焦的；而距离焦平面较远的目标，在像平面上将呈现出模糊，即目标非聚焦。换句话就是说，只有当目标处在成像设备的焦平面上，该目标才能被清晰成像[4]。图1-4给出了一组多聚焦图像融合的过程，通过抽取图1-4(a)的聚焦信息和图1-4(b)的聚焦信息，融合为一张全聚焦的清晰图像图1-4(c)。由于全聚焦图像相比于初始图像，其包含更加丰富的内容，在实际生活中，多聚焦图像融合技术具有以下几个有点：(1)减少目标识别等各种图像处理任务的后续工作量；(2)减少了信息的传输。因此，研究多聚焦图像融合技术具有很大的现实意义。(a)CT图像(b)MRI图像图1-3CT图像和MRI图像(a)左聚焦(b)右聚焦(c)融合图像图1-4多聚焦源图像融合

【参考文献】：
期刊论文
[1]快速离散Curvelet变换域的图像融合[J]. 杨勇,童松,黄淑英.  中国图象图形学报. 2015(02)
[2]基于视觉特性的多聚焦图像融合[J]. 李树涛,王耀南,张昌凡.  电子学报. 2001(12)



本文编号：3007401