發(fā)布時(shí)間：2024-05-16 22:49

　　多聚焦圖像融合技術(shù)被廣泛應(yīng)用于數(shù)字?jǐn)z像、醫(yī)學(xué)影像以及安全監(jiān)控等領(lǐng)域。多聚焦圖像融合旨在將具有不同聚焦區(qū)域的多個(gè)圖像組合成全聚焦的單個(gè)圖像。現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的多聚焦圖像融合算法在融合性能上實(shí)現(xiàn)了很大的提高,但在源圖像的多尺度特征提取、不同網(wǎng)絡(luò)層特征利用等方面還存在不足之處。針對(duì)這些問(wèn)題,本文從源圖像深度特征提取及網(wǎng)絡(luò)架構(gòu)等方面展開(kāi)深度融合網(wǎng)絡(luò)研究,對(duì)提升多聚焦圖像算法融合性能以及實(shí)踐推廣應(yīng)用具有重要價(jià)值。主要研究?jī)?nèi)容如下:(1)提出一種基于多尺度空洞卷積網(wǎng)絡(luò)的多聚焦圖像融合算法。針對(duì)源圖像的特征提取尺度單一的問(wèn)題,本文設(shè)計(jì)了一種多尺度空洞卷積模塊,采用不同擴(kuò)張率的空洞卷積從不同層級(jí)的感受野分析圖像特征,提高網(wǎng)絡(luò)對(duì)源圖像中不同尺度特征的提取能力。此外,利用SE(Squeeze-and-Excitation)注意力模塊使圖像特征提取分析更加準(zhǔn)確,提高融合圖像的質(zhì)量。實(shí)驗(yàn)結(jié)果證明,該算法能有效地提取源圖像的多尺度特征,提升網(wǎng)絡(luò)表達(dá)能力,相對(duì)于對(duì)比算法具有更好的融合效果。(2)提出了一種基于密集注意力網(wǎng)絡(luò)的多聚焦圖像融合算法。針對(duì)網(wǎng)絡(luò)中間層的部分有用信息丟失的問(wèn)題,本文設(shè)計(jì)了一種密集卷積模塊...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于變換域的多聚焦圖像融合
        1.2.2 基于空間域的多聚焦圖像融合
        1.2.3 基于深度學(xué)習(xí)的多聚焦圖像融合
    1.3 本文主要研究?jī)?nèi)容及組織結(jié)構(gòu)
        1.3.1 本文主要研究?jī)?nèi)容
        1.3.2 本文組織結(jié)構(gòu)
第二章 相關(guān)背景知識(shí)介紹
    2.1 神經(jīng)網(wǎng)絡(luò)相關(guān)理論
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 Siamese網(wǎng)絡(luò)
        2.1.3 殘差網(wǎng)絡(luò)
        2.1.4 DenseNet網(wǎng)絡(luò)
        2.1.5 注意力機(jī)制
        2.1.6 空洞卷積
    2.2 圖像融合評(píng)價(jià)指標(biāo)
        2.2.1 主觀評(píng)價(jià)方法
        2.2.2 客觀評(píng)價(jià)方法
    2.3 本章小結(jié)
第三章 基于多尺度空洞卷積網(wǎng)絡(luò)的多聚焦圖像融合算法
    3.1 引言
    3.2 融合算法框架
        3.2.1 網(wǎng)絡(luò)框架
        3.2.2 多尺度空洞卷積模塊
        3.2.3 損失函數(shù)
        3.2.4 網(wǎng)絡(luò)訓(xùn)練
    3.3 數(shù)據(jù)集生成
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 主觀視覺(jué)評(píng)價(jià)
        3.4.2 客觀指標(biāo)評(píng)價(jià)
        3.4.3 消融實(shí)驗(yàn)
    3.5 本章小結(jié)
第四章 基于密集注意力網(wǎng)絡(luò)的多聚焦圖像融合算法
    4.1 引言
    4.2 融合算法框架
        4.2.1 網(wǎng)絡(luò)框架
        4.2.2 損失函數(shù)
        4.2.3 網(wǎng)絡(luò)訓(xùn)練
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 主觀視覺(jué)評(píng)價(jià)
        4.3.2 客觀指標(biāo)分析
        4.3.3 消融實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 基于多尺度空洞殘差網(wǎng)絡(luò)的多聚焦圖像融合算法
    5.1 引言
    5.2 融合算法框架
        5.2.1 網(wǎng)絡(luò)框架
        5.2.2 多尺度空洞殘差卷積模塊
        5.2.3 損失函數(shù)
        5.2.4 網(wǎng)絡(luò)訓(xùn)練
    5.3 實(shí)驗(yàn)結(jié)果分析
        5.3.1 主觀視覺(jué)分析
        5.3.2 客觀指標(biāo)分析
        5.3.3 消融實(shí)驗(yàn)
    5.4 本文提出的三種方法之間的性能對(duì)比
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
附錄2 攻讀碩士學(xué)位期間撰寫(xiě)的論文
附錄3 攻讀碩士學(xué)位期間申請(qǐng)的專利
附錄4 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號(hào)：3975021