面向显微影像的多聚焦多图融合中失焦扩散效应消除方法

作     者：印象 马博渊 班晓娟 黄海友 王宇 李松岩 YIN Xiang;MA Bo-yuan;BAN Xiao-juan;HUANG Hai-you;WANG Yu;LI Song-yan

作者机构：北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学材料领域知识工程北京市重点实验室北京100083 北京科技大学人工智能研究院北京100083 北京科技大学顺德研究生院佛山528300 北京科技大学新材料技术研究院北京100083 北京理工大学网络空间安全学院北京100081 郑州大学医学院临床医学系郑州450052 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2021年第43卷第9期

页      面：1174-1181页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081203[工学-计算机应用技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：海南省财政科技计划资助项目(ZDYF2019009) 国家自然科学基金资助项目(6210020684,61873299) 中央高校基本科研业务费资助项目(00007467) 佛山市科技创新专项资金项目(BK21BF002,BK19AE034,BK20AF001)。 

主　　题：多聚焦图像融合 失焦扩散效应 深度学习 卷积神经网路 多图融合 

摘      要：多聚焦图像融合是计算机视觉领域中的一个重要分支,旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合,最终获得全清晰图像.随着以深度学习为代表的机器学习理论的突破,卷积神经网络被广泛应用于多聚焦图像融合领域,但大多数方法仅关注网络结构的改进,而使用简单的两两串行融合方式,降低了多图融合的效率,并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量.针对上述问题,在显微成像分析的应用场景下,提出了一种最大特征图空间频率融合策略,通过在基于无监督学习的卷积神经网络中增加后处理模块,规避了两两串行融合中冗余的特征提取过程,实验证明该策略显著提高了多张图像的多聚焦图像融合效率.并且提出了一种矫正策略,在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响.