期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
像素级卷积神经网络多聚焦图像融合算法
被引量：
9
1
作者
申铉京
张雪峰
+1 位作者
王玉
金玉波
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第8期1857-1864,共8页
提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信...
提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息,解决了聚焦/散焦区域周围模糊程度估计的困难。此外,在图像融合领域,应用环形残差网络(RResNet)模块来提取更多聚焦区域的语义信息。同时,利用结构相似度(SSIM)估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量,同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明:该方法在主观视觉效果和客观评价方面均优于其他融合算法。
展开更多
关键词
多聚焦图像融合
深度学习
像素级回归
卷积神经网络
原文传递
题名
像素级卷积神经网络多聚焦图像融合算法
被引量：
9
1
作者
申铉京
张雪峰
王玉
金玉波
机构
吉林大学计算机科学与技术学院
吉林大学符号计算与知识工程教育部重点实验室
长春
爱
思博
特
信息
科技
有限公司
出处
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第8期1857-1864,共8页
基金
国家重点研发计划项目(2018YFB0804203)
国家自然科学基金区域联合基金项目(U19A2057)
+1 种基金
国家自然科学基金面上项目(61876070)
吉林省科技发展计划项目(20190303134SF)。
文摘
提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息,解决了聚焦/散焦区域周围模糊程度估计的困难。此外,在图像融合领域,应用环形残差网络(RResNet)模块来提取更多聚焦区域的语义信息。同时,利用结构相似度(SSIM)估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量,同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明:该方法在主观视觉效果和客观评价方面均优于其他融合算法。
关键词
多聚焦图像融合
深度学习
像素级回归
卷积神经网络
Keywords
multi-focus image fusion
deep learning
pixel-level regression
convolutional neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
像素级卷积神经网络多聚焦图像融合算法
申铉京
张雪峰
王玉
金玉波
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
9
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
