基于超像素级卷积神经网络的多聚焦图像融合算法

• 作者: 聂茜茜 肖斌 毕秀丽 李伟生
• 来源期刊: 电子与信息学报
• 关键词: 多聚焦图像融合 卷积神经网络 超像素分割 空间金字塔池化
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图像与智能信息处理|Image and Intelligent Imformation Processing
• 页码范围: 965-973
• 页数: 9页
• 分类号: TN911.73|TP751
• 语种: 中文
• DOI: 10.11999/JEIT191053

摘要

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法.该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像.该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果.