一种用于图像融合的无监督深度神经网络

摘要：

为解决相机动态范围较小,单次曝光的图像往往无法表达高动态场景的不同区域的问题,构建了一种无监督的深度神经网络,把多次曝光的图像融合成一幅高动态图像.以VGG-Net(visual geometry group-Net)为基础网络,设计编码子网络和解码子网络;以融合前后图像的结构相似度为目标导向,通过引入基于图像局部信息的权重因子,定制适用于图像融合的损失函数,融合图像可兼顾不同输入图像的有效信息.在基准数据集上与多种方法相比,融合图像在主观视觉体验和客观量化指标上均取得了明显提升.

关键词：模式识别、高动态场景、图像融合、无监督深度网络、损失函数

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：国防科技重点实验室基金;江苏省高校自然科学面上项目;江苏省高校自然科学面上项目;常州市应用基础研究计划;常州市应用基础研究计划

在线出版日期：2022-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1267-1274