基于Siamese神经网络结构的多聚焦图像融合

摘要

针对传统图像融合方法中需人为设计局部滤波器的问题,提出基于深度卷积神经网络的图像融合算法,旨在学习源图像和决策图之间的映射关系.采用Siamese网络结构训练高质量图像块及其模糊版本,将上述的映射关系进行编码,最终获得能自动分辨图像模糊区与清晰区的功能.该方法的优势在于用深度学习解决了图像融合中活跃程度测量和融合规则的不协调,使图像融合更具连贯性以及合理性.同时,引入了最新的梯度优化算法Adadelta,大大提升了模型训练过程的速度以及训练结果的.实验结果表明,论文提出的方法可以在视觉质量和客观评估方面获得更加优越的融合性能.