基于深度卷积神经网络的多聚焦图像融合

发布时间：2020-12-13 08:57

　　由于成像设备景深的原因,在单焦距的情况下,很难获取所有物体都聚焦的图像。其最主要原因在于:物体只有处在成像设备特定距离范围内才能够聚焦,而处在范围之外的物体不聚焦。为了获取所有物体都聚焦的图像,一种常用的解决方法是多聚焦图像融合技术。它旨在通过融合两个或两个以上采用不同焦距对同一场景拍摄的图像,使融合后图像中所有物体都聚焦。这种融合后图像含有更多的细节信息,并且更适合人类视觉和计算机处理。因此,多聚焦图像融合也可以被视为一种提高一组图片信息质量的过程。针对多聚焦图像融合问题,本文主要从以下两个方面展开研究,分别为基于深度卷积神经网络的多聚焦图像融合方法和基于Hessian矩阵的多聚焦图像融合方法,主要研究内容如下:1.提出了基于像素的深度卷积神经网络（pixel-Convolutional Neural Network,pCNN）的多聚焦融合算法。该算法由数据驱动,所以相较于传统方法更具有鲁棒性。为了降低时间复杂度,本文提出了一种能够将像素级卷积神经网络转变为图像级神经网络的算法,这种图像级神经网络只需要原算法时间复杂度的25分之一。通过实验验证表明,本文提出的由数据驱动的多聚焦图像融... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

2个32×32掩模用来生成同时存在聚焦和非聚焦区域的训练图像

“鲜花”图像在整个多聚焦图像融合每一步的结果

庆邮电大学硕士学位论文 第 3 章 基于深度卷积神经网络的多聚焦图像融合盆”的条纹处引入伪边缘(如放大区域的黄色矩形)。除此之外，“时钟”的边界也容易因为聚焦评价的失败而引入伪边缘。从融合结果与放大区域的结果可以看出本章提出的方法取得了最好的融合效果。(a) 源图像 A (b) 源图像 B (c) GF (d) IM


本文编号：2914283