基于卷积神经网络的图像融合算法综述

• 作者: 李玲
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 图像融合 深度学习 卷积神经网络
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 算法语言
• 页码范围: 55-57
• 页数: 3页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.21.018

摘要

图像融合可以将同一场景的多幅图像所包含的信息整合为一张合成图像,在医学成像、数码摄影、遥感以及视频监控等领域有着非常广泛的应用.近年来,随着深度学习(Deep Learning,DL)在计算机视觉和图像处理问题上取得的巨大成功,人们提出了几种基于深度学习的图像融合算法,包括卷积神经网络(Convolutional Neural Network,CNN)、卷积稀疏表示(Convolution Sparse Representation,CSR)等.笔者主要对 CNN 算法进行了整理,首先总结了传统图像融合研究中存在的主要问题,其次讨论了 CNN可以为解决这些问题所提供的优势,最后整理总结了基于CNN的图像融合算法的最新成果.