改進(jìn)VGG 網(wǎng)絡(luò)的多聚焦圖像的融合方法

陳清江，汪澤百，柴昱洲

（1. 西安建筑科技大學(xué) 理學(xué)院，陜西 西安 710055；2. 中國(guó)空間技術(shù)研究院西安分院，陜西 西安 710100）

引言

圖像融合是圖像處理中的重要部分，能夠協(xié)同利用同一場(chǎng)景的多種傳感器圖像信息，輸出一幅更適合于人類視覺(jué)感知或計(jì)算機(jī)進(jìn)一步處理與分析的融合圖像。它可明顯改善單一傳感器的不足，提高結(jié)果圖像的清晰度及信息包含量，有利于更為準(zhǔn)確、可靠、全面地獲取目標(biāo)或場(chǎng)景信息。

在可見(jiàn)光圖像中成像設(shè)備捕獲目標(biāo)圖像，對(duì)于捕獲目標(biāo)部分的有效聚焦圖像是清晰可見(jiàn)的，而非目標(biāo)區(qū)域的其他物體則為模糊。因此，對(duì)于光學(xué)透鏡捕捉的成像圖很難做到所有物體處處聚焦，提出多種多焦點(diǎn)圖像融合算法[1]。總的來(lái)說(shuō)，這些方法可以分為兩類：變換域方法和空間域方法[2]，多尺度變換（MST）是最常用的變換域方法之一。傳統(tǒng)的融合方法包括基于金字塔的圖像融合[3]、基于剪切變換圖像融合和基于非子采樣輪廓變換（NSCT）[4]的圖像融合算法等。最近提出的融合方法包括基于像素的融合方法，主要有引導(dǎo)濾波（DSIFT）[2]、基于多尺度加權(quán)梯度的圖像融合算法（MWGF）[5]、基于低秩矩陣（LRR）[6]的多聚焦噪聲圖像融合算法、基于離散小波變換的多聚焦圖像融合算法[7]，隨著深度學(xué)習(xí)的發(fā)展，結(jié)合深度學(xué)習(xí)解決多聚焦圖像融合[8]的方法得到廣泛推廣，如基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的多聚焦圖像融合[9-10]、基于全卷積網(wǎng)絡(luò)的多聚焦圖像融合[11-12]。對(duì)于一個(gè)簡(jiǎn)單的二分類問(wèn)題，本文優(yōu)先選擇精度相對(duì)較高的VGGNet網(wǎng)絡(luò)[13]進(jìn)行修改。……