多聚焦圖像融合技術被廣泛應用于數字攝像、醫(yī)學影像以及安全監(jiān)控等領域。多聚焦圖像融合旨在將具有不同聚焦區(qū)域的多個圖像組合成全聚焦的單個圖像�，F(xiàn)有基于卷積神經網絡的多聚焦圖像融合算法在融合性能上實現(xiàn)了很大的提高,但在源圖像的多尺度特征提取、不同網絡層特征利用等方面還存在不足之處。針對這些問題,本文從源圖像深度特征提取及網絡架構等方面展開深度融合網絡研究,對提升多聚焦圖像算法融合性能以及實踐推廣應用具有重要價值。主要研究內容如下:(1)提出一種基于多尺度空洞卷積網絡的多聚焦圖像融合算法。針對源圖像的特征提取尺度單一的問題,本文設計了一種多尺度空洞卷積模塊,采用不同擴張率的空洞卷積從不同層級的感受野分析圖像特征,提高網絡對源圖像中不同尺度特征的提取能力。此外,利用SE(Squeeze-and-Excitation)注意力模塊使圖像特征提取分析更加準確,提高融合圖像的質量。實驗結果證明,該算法能有效地提取源圖像的多尺度特征,提升網絡表達能力,相對于對比算法具有更好的融合效果。(2)提出了一種基于密集注意力網絡的多聚焦圖像融合算法。針對網絡中間層的部分有用信息丟失的問題,本文設計了一種密集卷積模塊...

【文章頁數】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 基于變換域的多聚焦圖像融合
        1.2.2 基于空間域的多聚焦圖像融合
        1.2.3 基于深度學習的多聚焦圖像融合
    1.3 本文主要研究內容及組織結構
        1.3.1 本文主要研究內容
        1.3.2 本文組織結構
第二章 相關背景知識介紹
    2.1 神經網絡相關理論
        2.1.1 卷積神經網絡
        2.1.2 Siamese網絡
        2.1.3 殘差網絡
        2.1.4 DenseNet網絡
        2.1.5 注意力機制
        2.1.6 空洞卷積
    2.2 圖像融合評價指標
        2.2.1 主觀評價方法
        2.2.2 客觀評價方法
    2.3 本章小結
第三章 基于多尺度空洞卷積網絡的多聚焦圖像融合算法
    3.1 引言
    3.2 融合算法框架
        3.2.1 網絡框架
        3.2.2 多尺度空洞卷積模塊
        3.2.3 損失函數
        3.2.4 網絡訓練
    3.3 數據集生成
    3.4 實驗結果與分析
        3.4.1 主觀視覺評價
        3.4.2 客觀指標評價
        3.4.3 消融實驗
    3.5 本章小結
第四章 基于密集注意力網絡的多聚焦圖像融合算法
    4.1 引言
    4.2 融合算法框架
        4.2.1 網絡框架
        4.2.2 損失函數
        4.2.3 網絡訓練
    4.3 實驗結果與分析
        4.3.1 主觀視覺評價
        4.3.2 客觀指標分析
        4.3.3 消融實驗
    4.4 本章小結
第五章 基于多尺度空洞殘差網絡的多聚焦圖像融合算法
    5.1 引言
    5.2 融合算法框架
        5.2.1 網絡框架
        5.2.2 多尺度空洞殘差卷積模塊
        5.2.3 損失函數
        5.2.4 網絡訓練
    5.3 實驗結果分析
        5.3.1 主觀視覺分析
        5.3.2 客觀指標分析
        5.3.3 消融實驗
    5.4 本文提出的三種方法之間的性能對比
    5.5 本章小結
第六章 總結與展望
    6.1 論文工作總結
    6.2 研究展望
參考文獻
附錄2 攻讀碩士學位期間撰寫的論文
附錄3 攻讀碩士學位期間申請的專利
附錄4 攻讀碩士學位期間參加的科研項目
致謝



本文編號：3975021