图像融合是指利用计算机技术,提取同一目标图像数据多源信道中的有效信息,将其综合成高质量图像的技术,在图像处理领域发挥着巨大作用。随着人工智能科技的发展,神经网络在图像融合技术上大显身手。本文研究了基于神经网络及方向滤波的多聚焦图像融合算法。针对该数据集的特点,设计不同方向角度的方向滤波器并将其预置进反卷积神经网络模型中;利用坐标上升法调整滤波器的截止频率,通过完成网络训练,得到学习后的滤波器组,使多聚焦融合图像的信息熵和平均梯度值最优;利用训练后的网络推断出待融合图像的特征图,对特征图进行绝对值取大融合后得到融合特征图,再与学习后的滤波器组卷积求和,获得融合图像。本文利用15组多聚焦图像进行试验,融合结果在信息熵和平均梯度上,明显优于小波方法和不具备方向特性滤波器的方法。本文研究了基于神经网络及方向滤波的CT和MRI图像融合算法。针对该数据集的特点,设计不同方向角度的方向滤波器并将其预置进反卷积神经网络模型中;利用坐标上升法调整滤波器的截止频率,通过完成网络训练,得到学习后的滤波器组,使CT和MRI融合图像的信息熵和能量值最优;利用训练后的网络推断出待融合图像的特征图,对特征图进行绝对值取大融合后得到融合特征图,再与学习后的滤波器组卷积求和,获得融合图像。本文利用15组CT和MRI图像进行试验,融合结果在信息熵和能量上,明显优于小波方法和不具备方向特性滤波器的方法。本文研究了基于神经网络及方向滤波的MS和PAN图像融合算法。针对该数据集的特点,设计不同方向角度的方向滤波器并将其预置进反卷积神经网络模型中;利用坐标上升法调整滤波器的截止频率,通过完成网络训练,得到学习后的滤波器组,使MS和PAN融合图像的信息熵和边缘强度值最优;利用训练后的网络推断出待融合PAN图像和MS图像I分量的特征图,对特征图进行绝对值取大融合后得到融合特征图,对融合特征图和学习后的滤波器组卷积求和后,再与MS图像H和S分量合成得到最终的融合图像。本文利用10组MS和PAN图像进行试验,融合结果在信息熵和边缘强度上,明显优于小波方法和不具备方向特性滤波器的方法。本文提出的融合方法可用于上述三类图像融合处理,得到的融合图像质量更高且应用前景更广。