论文部分内容阅读
针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正了误判图像块,并细分、修复了融合后的图像聚焦与散焦分界区域,得到了融合图像;选取6组多聚焦图像验证了本文算法的有效性。实验结果表明:与其他算法相比,运用本文算法进行图像融合,能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。