基于CNN的非下采样剪切波域多聚焦图像融合

摘要：

结合非下采样剪切波变换的时频分离优良特性,提出了一种基于卷积神经网络( convolutional neural networks,CNN)的非下采样剪切波变换(non-subsampled shearlet transform,NSST)域图像融合算法.首先对源图像进行NSST分解,其次对分解的低频系数进行基于CNN的融合策略.最后对分解的高频系数进行基于向导滤波(guided filtering,GF)的改进加权的拉普拉斯能量和( improved weighted sum of Laplace energy, IWSML)模取大融合策略,然后将根据不同融合规则融合后的频率系数进行NSST反变化获取输出的清晰目标图像.实验结果表明,该方法不仅可以获得更利于人眼接受的视觉效果图,且有效地提高了融合图像的客观性能评价指标.

关键词：图像融合、多聚焦图像融合、非下采样剪切波变换、卷积神经网络、向导滤波

所属期刊栏目：40

分类号：TU528.1;TJ01(建筑材料)

资助基金：国家自然科学基金资助项目61572063,61401308;河北省自然科学基金资助项目F2016201187, F2016201142;河北省高等学校科学技术研究项目QN2016085;河北大学引进人才科研启动经费2014-303

在线出版日期：2019-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41