由于光學(xué)元件景深的限制,很難捕獲到一張圖像中所有的清晰目標(biāo),只有距離相機(jī)特定位置的目標(biāo)才能被清晰聚焦,在聚焦平面之前或之后的目標(biāo)將失去聚焦變得模糊。為解決這一問題提出多聚焦圖像融合算法。其目的是將不同景深圖像融合成一張全聚焦圖像,從而獲得更全面,更可靠的場景描述。目前,多聚焦圖像技術(shù)在圖像增強(qiáng)、數(shù)字成像等領(lǐng)域均有廣泛應(yīng)用。近年來有多種多聚焦圖像融合算法被提出。根據(jù)圖像融合方式不同,多聚焦圖像融合有基于變換域和基于空間域方法。這些方法在提取和表現(xiàn)圖像細(xì)節(jié)方面均有較好表現(xiàn),但缺點是活動測度和融合規(guī)則人工設(shè)計困難,并且有很多因素不能完全考慮在內(nèi)。由于深度學(xué)習(xí)有很強(qiáng)的特征提取和數(shù)據(jù)表示能力,其在圖像處理和機(jī)器視覺任務(wù)中表現(xiàn)突出,故而利用深度學(xué)習(xí)解決多聚焦圖像融合問題也成為倍受關(guān)注的話題。本文的主要研究內(nèi)容如下:（1）為提高多聚焦圖像的融合質(zhì)量,提出一種在全卷積神經(jīng)網(wǎng)絡(luò)下進(jìn)行監(jiān)督學(xué)習(xí)的多聚焦圖像融合算法。該算法旨在運用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)源圖像不同聚焦區(qū)域的互補關(guān)系,即選擇源圖像中不同的聚焦位置合成一張全局清晰圖像。該算法構(gòu)造聚焦圖像作為訓(xùn)練數(shù)據(jù),網(wǎng)絡(luò)采用稠密連接和1*1卷積以提高網(wǎng)絡(luò)的理解能力和效率。... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
    1.3 論文主要內(nèi)容和組織架構(gòu)
2 圖像融合方法和評價指標(biāo)
    2.1 圖像融合方法介紹
        2.1.1 基于變換域的圖像融合方法
        2.1.2 基于空間域的圖像融合方法
        2.1.3 基于稀疏表示的圖像融合方法
    2.2 圖像融合質(zhì)量評價指標(biāo)
        2.2.1 主觀評價指標(biāo)
        2.2.2 客觀評價指標(biāo)
    2.3 本章小結(jié)
3 深度學(xué)習(xí)基礎(chǔ)理論
    3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.1.2 卷積神經(jīng)網(wǎng)絡(luò)其他結(jié)構(gòu)
        3.1.3 卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典模型
    3.2 生成對抗網(wǎng)絡(luò)概述
        3.2.1 生成對抗網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.2.2 生成對抗網(wǎng)絡(luò)經(jīng)典模型
    3.3 本章小結(jié)
4 基于監(jiān)督學(xué)習(xí)的全卷積神經(jīng)網(wǎng)絡(luò)多聚焦圖像融合算法
    4.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計及訓(xùn)練
        4.1.1 密集連接
        4.1.2 1*1卷積核
        4.1.3 網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.4 訓(xùn)練數(shù)據(jù)集
        4.1.5 網(wǎng)絡(luò)訓(xùn)練
    4.2 實驗結(jié)果及分析
        4.2.1 實驗設(shè)定
        4.2.2 主觀評估
        4.2.3 客觀評估
    4.3 本章小結(jié)
5 基于生成對抗網(wǎng)絡(luò)的多聚焦圖像融合算法
    5.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        5.1.1 生成器網(wǎng)絡(luò)結(jié)構(gòu)
        5.1.2 鑒別器網(wǎng)絡(luò)結(jié)構(gòu)
        5.1.3 生成器損失函數(shù)
        5.1.4 鑒別器損失函數(shù)
    5.2 實驗結(jié)果及分析
        5.2.1 生成數(shù)據(jù)集
        5.2.2 公共數(shù)據(jù)集
        5.2.3 燒燭實驗
        5.2.4 客觀評估
    5.3 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
附錄 多聚焦圖像數(shù)據(jù)源
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]一種紅外可見光圖像融合及其目標(biāo)識別方法[J]. 王寧,周銘,杜慶磊.  空軍預(yù)警學(xué)院學(xué)報. 2019(05)
[2]基于二次引導(dǎo)濾波的局部立體匹配算法[J]. 王凱,李志偉,朱成德,王鹿,黃潤才,郭亨長.  激光與光電子學(xué)進(jìn)展. 2019(08)
[3]基于NSCT與引導(dǎo)濾波的多聚焦圖像融合[J]. 李嬌,楊艷春,黨建武,王陽萍.  激光與光電子學(xué)進(jìn)展. 2018(07)
[4]融合圖像質(zhì)量評價指標(biāo)的相關(guān)性分析及性能評估[J]. 張小利,李雄飛,李軍.  自動化學(xué)報. 2014(02)
[5]紅外與可見光圖像融合質(zhì)量評價方法綜述[J]. 王躍華,陶忠祥.  紅外. 2012(06)



本文編號：3632993