基于CNN的非下采样剪切波域多聚焦图像融合

• 作者: 刘帅奇 安彦玲 李子奇 王文峰 王洁 胡绍海
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 图像融合 多聚焦图像融合 非下采样剪切波变换 卷积神经网络 向导滤波
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 仿生智能计算及应用专题
• 页码范围: 36-41
• 页数: 6页
• 分类号: TU528.1|TJ01
• 字数: 3941字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2019.04.002

摘要

结合非下采样剪切波变换的时频分离优良特性,提出了一种基于卷积神经网络( convolutional neural networks,CNN)的非下采样剪切波变换(non-subsampled shearlet transform,NSST)域图像融合算法.首先对源图像进行NSST分解,其次对分解的低频系数进行基于CNN的融合策略.最后对分解的高频系数进行基于向导滤波(guided filtering,GF)的改进加权的拉普拉斯能量和( improved weighted sum of Laplace energy, IWSML)模取大融合策略,然后将根据不同融合规则融合后的频率系数进行NSST反变化获取输出的清晰目标图像.实验结果表明,该方法不仅可以获得更利于人眼接受的视觉效果图,且有效地提高了融合图像的客观性能评价指标.