基于深度学习的紫外成像仪的图像配准与融合

摘要

由于在高灵敏紫外成像仪中紫外光与可见光成像原理存在一定差异,现有的方法配准精度不高,融合效果不理想。针对以上问题,提出了一种基于AlexNet网络与果蝇优化算法(Fruit fly optimization algorithm, FOA)小波融合的紫外光与可见光的图像的配准融合算法。首先,对预训练的AlexNet网络的权值阈值进行微调,利用AlexNet网络对图像进行各层次的特征提取,配合空间变换矩阵,实现紫外光与可见光的高精度配准。其次,将配准后的紫外光与可见光图像输入到FOA优化后的小波算法模型中实现融合。仿真结果显示,所提方法配准精度远远高于工业要求且收敛速度快,融合图像的信息熵较高。