基于深度学习的多聚焦图像融合算法研究

发布时间：2022-02-19 13:35

　　由于光学元件景深的限制,很难捕获到一张图像中所有的清晰目标,只有距离相机特定位置的目标才能被清晰聚焦,在聚焦平面之前或之后的目标将失去聚焦变得模糊。为解决这一问题提出多聚焦图像融合算法。其目的是将不同景深图像融合成一张全聚焦图像,从而获得更全面,更可靠的场景描述。目前,多聚焦图像技术在图像增强、数字成像等领域均有广泛应用。近年来有多种多聚焦图像融合算法被提出。根据图像融合方式不同,多聚焦图像融合有基于变换域和基于空间域方法。这些方法在提取和表现图像细节方面均有较好表现,但缺点是活动测度和融合规则人工设计困难,并且有很多因素不能完全考虑在内。由于深度学习有很强的特征提取和数据表示能力,其在图像处理和机器视觉任务中表现突出,故而利用深度学习解决多聚焦图像融合问题也成为倍受关注的话题。本文的主要研究内容如下:（1）为提高多聚焦图像的融合质量,提出一种在全卷积神经网络下进行监督学习的多聚焦图像融合算法。该算法旨在运用神经网络学习源图像不同聚焦区域的互补关系,即选择源图像中不同的聚焦位置合成一张全局清晰图像。该算法构造聚焦图像作为训练数据,网络采用稠密连接和1*1卷积以提高网络的理解能力和效率。... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 研究现状
    1.3 论文主要内容和组织架构
2 图像融合方法和评价指标
    2.1 图像融合方法介绍
        2.1.1 基于变换域的图像融合方法
        2.1.2 基于空间域的图像融合方法
        2.1.3 基于稀疏表示的图像融合方法
    2.2 图像融合质量评价指标
        2.2.1 主观评价指标
        2.2.2 客观评价指标
    2.3 本章小结
3 深度学习基础理论
    3.1 卷积神经网络概述
        3.1.1 卷积神经网络基本结构
        3.1.2 卷积神经网络其他结构
        3.1.3 卷积神经网络经典模型
    3.2 生成对抗网络概述
        3.2.1 生成对抗网络基本结构
        3.2.2 生成对抗网络经典模型
    3.3 本章小结
4 基于监督学习的全卷积神经网络多聚焦图像融合算法
    4.1 网络结构设计及训练
        4.1.1 密集连接
        4.1.2 1*1卷积核
        4.1.3 网络结构
        4.1.4 训练数据集
        4.1.5 网络训练
    4.2 实验结果及分析
        4.2.1 实验设定
        4.2.2 主观评估
        4.2.3 客观评估
    4.3 本章小结
5 基于生成对抗网络的多聚焦图像融合算法
    5.1 网络结构设计
        5.1.1 生成器网络结构
        5.1.2 鉴别器网络结构
        5.1.3 生成器损失函数
        5.1.4 鉴别器损失函数
    5.2 实验结果及分析
        5.2.1 生成数据集
        5.2.2 公共数据集
        5.2.3 烧烛实验
        5.2.4 客观评估
    5.3 本章小结
结论
致谢
参考文献
附录 多聚焦图像数据源
攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]一种红外可见光图像融合及其目标识别方法[J]. 王宁,周铭,杜庆磊.  空军预警学院学报. 2019(05)
[2]基于二次引导滤波的局部立体匹配算法[J]. 王凯,李志伟,朱成德,王鹿,黄润才,郭亨长.  激光与光电子学进展. 2019(08)
[3]基于NSCT与引导滤波的多聚焦图像融合[J]. 李娇,杨艳春,党建武,王阳萍.  激光与光电子学进展. 2018(07)
[4]融合图像质量评价指标的相关性分析及性能评估[J]. 张小利,李雄飞,李军.  自动化学报. 2014(02)
[5]红外与可见光图像融合质量评价方法综述[J]. 王跃华,陶忠祥.  红外. 2012(06)



本文编号：3632993