基于多尺度空洞卷积网络的多聚焦图像融合算法

摘要：

针对现有基于深度学习的图像融合算法中存在图像特征提取尺度单一、卷积核感受野小、不能有效突出显著特征等问题,提出了一种基于含注意力机制的多尺度空洞卷积网络的多聚焦图像融合算法.首先,构造一种多尺度空洞卷积模块,通过不同的扩张率改变卷积的感受野,从而提取源图像中的多尺度特征.此外,在多尺度空洞卷积模块中引入注意力机制,能自适应地选择显著性特征,进一步提高融合性能.所提融合网络包含特征提取、特征融合和图像重建等3个部分,其中特征提取部分主要由多尺度空洞卷积模块构成.相关实验结果表明,所提算法与现有基于深度学习的算法相比具有一定的竞争力.消融实验也验证了所提多尺度空洞卷积模块能强化网络的特征提取能力,提高图像融合质量.

关键词：图像处理、多聚焦图像融合、多尺度、空洞卷积、残差学习、注意力机制

所属期刊栏目：60

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61971237

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：70-79