[发明专利]基于卷积神经网络和动态引导滤波的图像融合方法在审
| 申请号： | 201910803493.5 | 申请日： | 2019-08-28 |
| 公开（公告）号： | CN110555820A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 王健;杨珂;秦春霞 | 申请（专利权）人： | 西北工业大学;西安爱生技术集团公司 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50 |
| 代理公司： | 61204 西北工业大学专利中心 | 代理人： | 刘新琼 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络和动态引导滤波的多聚焦图像融合的新方法。通过构建焦点检测的卷积神经网络，生成从源图像到焦点图的直接映射，避免了人工手动操作，得到聚焦区域和非聚焦区域的像素分布图，随后通过小区域移除和边缘保留的动态引导滤波操作，得到高质量的融合图像。 | ||
| 搜索关键词： | 卷积神经网络 动态引导 多聚焦图像融合 非聚焦区域 边缘保留 焦点检测 聚焦区域 滤波操作 人工手动 融合图像 直接映射 分布图 焦点图 小区域 源图像 构建 滤波 像素 移除 | ||
【主权项】：
1.一种基于卷积神经网络和动态引导滤波的图像融合方法，其特征在于步骤如下：/n步骤1：将源图像A和B输入到CNN模型训练来获得得分图S，所述的CNN模型包括三个卷积层和一个最大池层，每个卷积层的内核大小和步幅分别设置为3×3和1；最大池层的内核大小和步幅分别设置为2×2和2；所述的得分图S即网络的输出是与256维向量完全连接的二维向量，产生两个类别的概率分布；对得分图S按像素点进行2×2大小的填充，对不同填充块重叠的像素进行平均处理，得到与源图像大小相同焦点图M；/n步骤2：采用“选择-最大”策略将焦点图M分割为二进制图T(x,y)：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学;西安爱生技术集团公司，未经西北工业大学;西安爱生技术集团公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910803493.5/，转载请声明来源钻瓜专利网。
