基于卷积神经网络的多源图像融合技术研究

发布时间：2021-09-06 22:42

　　多源图像融合是指将具有互补信息的多张图像合并成具有最优信息的单张图像的过程。多源图像融合技术根据具体输入图像的不同,可细分为多焦点图像融合、多曝光图像融合、红外和可见光图像融合等应用分支。目前,这些多源图像融合技术已经在军事和民用等多个领域获得广泛应用。因此,研究性能更高、计算资源消耗更少和鲁棒性更强的多源图像融合方法,具有很强的理论价值和实用价值。本文首先研究了几种经典多源图像融合方法的基本原理,包括传统图像融合方法以及基于卷积神经网络（Convolutional Neural Network,CNN）的方法。涉及的传统图像融合方法又分为简单加权平均方法和基于多尺度分解的方法。与传统方法相比,基于CNN的方法有明显的优势。它将传统方法中需要人工精心设计的融合策略交由CNN网络自动生成,解决了传统融合方法研究中面临的融合精度不足与适应性差的难题。基于分类CNN网络的多焦点图像融合方法,开创性地将图像分类网络引入图像融合应用中,后续进行的多焦点图像融合研究基本上是在此基础上的不断改进。然而,由于采用了分类网络和基于分块的策略,这类方法在焦点区域和非焦点区域分界处的融合效果不甚完美,常产生... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：101 页

【学位级别】：硕士

【部分图文】：

典型的图像融合系统架构

一个高斯金字塔分解的例子

获得与 Gk大小相同的新图像 Ek。用公式表示该操作：1( , ) ( , ) ( [( )/ 2], [( )/ 2])p pk ku p v pE x y K u v G floor x u floor y v (2-9再通过求差操作创建图像 Gk与 Ek之间的差异图像 Lk：( , ) ( , ) ( , )k k kL x y G x y E x y(2-10Lk显示了高斯金字塔第 k 层中存在的高频空间细节。然后，可以计算一个新的包含 L0、L1、…、Ln-1的金字塔，在不同分辨率上表示原始图像中的显著信息，如图 2.3所示。这种结构被成为拉普拉斯金字塔，因为该过程中采用了有效的拉普拉斯操作，该结构在图像处理中有许多应用。Burt 和 Adelson 最初使用它来进行图像压缩[68,69]，但它与图像融合问题的相关性很快就被意识到，1985 年他们开创了拉普拉斯金字塔融合方案[70]。

【参考文献】：
期刊论文
[1]Multi-focus image fusion algorithm based on shearlets[J]. 苗启广,石程,许鹏飞,杨眉,史耀波.  Chinese Optics Letters. 2011(04)
[2]基于区域分割的红外与可见光图像融合算法的研究(英文)[J]. 刘坤,郭雷,李晖晖,陈敬松.  Chinese Journal of Aeronautics. 2009(01)



本文编号：3388317