基于卷积神经网络的三类图像融合算法
发布时间：2021-02-07 10:00
深度学习作为机器学习重要的一个分支,随着社会数字化为其提供了海量数据而得到了迅猛发展。深度学习在图像处理领域有着广泛的应用,利用深度学习理论可以在图像融合中的不同层级进行处理,这为图像融合处理方法提供了新的工具。由于受技术因素的限制,从部分传感器获取图像信息并不完整,不同的传感器会接收不同的图像信息,而图像融合就是将这些信息汇集到单幅图像的过程,结合深度学习理论可以更好的处理图像融合问题,利用卷积神经网络训练,融合生成的单幅图像能更多地集合了两幅或多幅图像的优点,它表达的信息比传统融合图像更加完整,在机器视觉上呈现的信息更自然、清晰。本文运用深度学习理论、离散小波分解与算子理论研究图像融合问题,提出了三种图像融合算法。首先,关于多聚焦图像融合问题,提出了基于Crop-VGG卷积神经网络的图像融合算法。通过对输入数据做预处理,设计了一种结合小波和Sobel算子的四特征值的图像模块,提升了训练网络的整体精度,通过对于网络细节的调整,加快了模型整体的收敛速度,在高频细节部分,对于左聚焦图像和右聚焦图像的清晰与模糊模块分别进行模糊化处理,再使用加权求和的融合策略,得到处处清晰的聚焦图像。其次,...
【文章来源】：西安建筑科技大学陕西省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 引言
1.2 图像融合技术概述
1.3 深度学习发展历程
1.4 本文的主要工作
2 深度学习与小波理论概述
2.1 深度学习理论简介
2.1.1 感知器
2.1.2 激活函数
2.1.3 神经网络结构
2.1.4 多层神经网络构成
2.1.5 反向传播算法
2.2 卷积神经网络
2.2.1 卷积与池化
2.2.2 常用的损失函数
2.2.3 批量归一化
2.3 常用边缘算子
2.3.1 索贝尔算子（Sobel）
2.3.2 罗伯茨算子（Roberts）
2.4 傅里叶变换与小波变换
2.4.1 傅里叶变换
2.4.2 二维离散小波分解与合成
2.5 小结
3 基于Crop-VGG网络的多聚焦图像融合算法
3.1 引言
3.2 网络结构模型
3.3 使用Crop-VGG网络进行统计特征分类
3.3.1 数据预处理
3.3.2 分类训练处理
3.3.3 基于统计特征的像素分割
3.4 实验结果与分析
3.5 小结
4 结合VDSR网络的遥感图像融合算法
4.1 引言
4.2 VDSR网络模型
4.3 图像融合过程
4.3.1 小波分解
4.3.2 数据扩充处理
4.3.3 IHS加权融合策略
4.3.4 小波重构
4.3.5 整体流程
4.4 实验部分
4.5 小结
5 基于离散小波与GAN网络的红外可见光图像融合算法
5.1 引言
5.2 相关理论
5.3 网络模型
5.4 算法流程
5.5 实验结果与分析
5.6 小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间的研究成果
【参考文献】：
期刊论文
[1]基于自适应池化的神经网络的服装图像识别[J]. 胡聪,屈瑾瑾,许川佩,朱爱军. 计算机应用. 2018(08)
[2]一种基于深度学习的多聚焦图像融合算法[J]. 陈清江,李毅,柴昱洲. 激光与光电子学进展. 2018(07)
[3]图像增强算法综述[J]. 王浩,张叶,沈宏海,张景忠. 中国光学. 2017(04)
[4]改进卷积神经网络在分类与推荐中的实例应用[J]. 杨天祺,黄双喜. 计算机应用研究. 2018(04)
[5]基于FFST和方向特性对比度的图像融合算法[J]. 陈清江,魏冰蔗,柴昱洲,张彦博. 激光与红外. 2016(07)
[6]Curvelet域自适应脉冲耦合神经网络的图像融合方法[J]. 王昊鹏,刘泽乾,方兴,张会勇,王晶横. 光电子·激光. 2016(04)
[7]基于深度支撑值学习网络的遥感图像融合[J]. 李红,刘芳,杨淑媛,张凯. 计算机学报. 2016(08)
[8]运用小波图像融合技术增强痕迹偏振图像[J]. 冯清枝,杨洪臣. 激光与红外. 2016(02)
[9]改进投影梯度NMF的NSST域多光谱与全色图像融合[J]. 吴一全,陶飞翔. 光学学报. 2015(04)
[10]图像质量评价综述[J]. 刘书琴,毋立芳,宫玉,刘兴胜. 中国科技论文在线. 2011(07)
硕士论文
[1]基于卷积神经网络的多聚焦图像融合算法研究[D]. 李子奇.河北大学 2018
[2]基于超像素的点互信息图像边界检测与分割算法研究[D]. 刘胜男.西北农林科技大学 2016
本文编号：3022058
【文章来源】：西安建筑科技大学陕西省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 引言
1.2 图像融合技术概述
1.3 深度学习发展历程
1.4 本文的主要工作
2 深度学习与小波理论概述
2.1 深度学习理论简介
2.1.1 感知器
2.1.2 激活函数
2.1.3 神经网络结构
2.1.4 多层神经网络构成
2.1.5 反向传播算法
2.2 卷积神经网络
2.2.1 卷积与池化
2.2.2 常用的损失函数
2.2.3 批量归一化
2.3 常用边缘算子
2.3.1 索贝尔算子（Sobel）
2.3.2 罗伯茨算子（Roberts）
2.4 傅里叶变换与小波变换
2.4.1 傅里叶变换
2.4.2 二维离散小波分解与合成
2.5 小结
3 基于Crop-VGG网络的多聚焦图像融合算法
3.1 引言
3.2 网络结构模型
3.3 使用Crop-VGG网络进行统计特征分类
3.3.1 数据预处理
3.3.2 分类训练处理
3.3.3 基于统计特征的像素分割
3.4 实验结果与分析
3.5 小结
4 结合VDSR网络的遥感图像融合算法
4.1 引言
4.2 VDSR网络模型
4.3 图像融合过程
4.3.1 小波分解
4.3.2 数据扩充处理
4.3.3 IHS加权融合策略
4.3.4 小波重构
4.3.5 整体流程
4.4 实验部分
4.5 小结
5 基于离散小波与GAN网络的红外可见光图像融合算法
5.1 引言
5.2 相关理论
5.3 网络模型
5.4 算法流程
5.5 实验结果与分析
5.6 小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间的研究成果
【参考文献】：
期刊论文
[1]基于自适应池化的神经网络的服装图像识别[J]. 胡聪,屈瑾瑾,许川佩,朱爱军. 计算机应用. 2018(08)
[2]一种基于深度学习的多聚焦图像融合算法[J]. 陈清江,李毅,柴昱洲. 激光与光电子学进展. 2018(07)
[3]图像增强算法综述[J]. 王浩,张叶,沈宏海,张景忠. 中国光学. 2017(04)
[4]改进卷积神经网络在分类与推荐中的实例应用[J]. 杨天祺,黄双喜. 计算机应用研究. 2018(04)
[5]基于FFST和方向特性对比度的图像融合算法[J]. 陈清江,魏冰蔗,柴昱洲,张彦博. 激光与红外. 2016(07)
[6]Curvelet域自适应脉冲耦合神经网络的图像融合方法[J]. 王昊鹏,刘泽乾,方兴,张会勇,王晶横. 光电子·激光. 2016(04)
[7]基于深度支撑值学习网络的遥感图像融合[J]. 李红,刘芳,杨淑媛,张凯. 计算机学报. 2016(08)
[8]运用小波图像融合技术增强痕迹偏振图像[J]. 冯清枝,杨洪臣. 激光与红外. 2016(02)
[9]改进投影梯度NMF的NSST域多光谱与全色图像融合[J]. 吴一全,陶飞翔. 光学学报. 2015(04)
[10]图像质量评价综述[J]. 刘书琴,毋立芳,宫玉,刘兴胜. 中国科技论文在线. 2011(07)
硕士论文
[1]基于卷积神经网络的多聚焦图像融合算法研究[D]. 李子奇.河北大学 2018
[2]基于超像素的点互信息图像边界检测与分割算法研究[D]. 刘胜男.西北农林科技大学 2016
本文编号：3022058
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3022058.html
