基于深度学习的多聚焦图像融合方法前沿进展
作者机构:无锡学院自动化学院 江南大学人工智能与计算机学院 南京信息工程大学自动化学院
出 版 物:《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)
年 卷 期:2023年
核心收录:
学科分类:08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程]
基 金:国家重点研发计划政府间国际科技创新合作重点专项(2021YFE0116900) 国家自然科学基金面上项目(42175157) 江苏省高等学校自然科学研究面上项目(22KJB520037) 江苏省高等教育学会教学改革重点课题(2022JDKT019) 无锡学院引进人才科研启动专项经费资助(2021r032)
摘 要:多聚焦图像融合是一种有效的图像融合技术,旨在将来自同一场景的不同焦平面的源图像组合起来以获得良好的融合结果,这意味着融合后的图像将在所有焦平面都聚焦,也就是包含着更丰富的场景信息。深度学习的发展促进了图像融合的巨大进步,而神经网络强大的特征提取和重构能力使融合结果大有可为。近年来,出现了越来越多的基于深度学习的多聚焦图像融合方法,例如卷积神经网络(Convolutional Neural Network, CNN)、生成对抗网络(Generative Adversarial Network, GAN)和自动编码器等。为了给相关研究人员和技术人员提供有效的参考和理解,首先介绍了多聚焦图像融合的概念和一些评价指标,接着分析了十几种近几年基于深度学习的多聚焦图像融合前沿方法,讨论了各种方法的特点和创新性,并总结了它们的优缺点,此外还回顾了多聚焦图像融合技术在各种场景中的应用,包括摄影可视化、医疗诊断和遥感检测等领域,最后介绍了目前多聚焦图像融合相关领域面临的一些挑战并展望了未来可能的研究趋势。