基于卷积神经网络的图像融合方法

李婧， 保慧琴， 李茹

(西安明德理工学院 信息工程学院， 陕西 西安 710124)

0 引言

在图像的采集和传输过程中，由于天气、环境和摄像设备等因素的综合影响，有时无法得到高质量的图像，使图像中包含大量的噪声、图像不清楚，难以准确描述图像中的对象，影响图像的实际应用范围[1-2]。为了改善图像质量，学者将多种技术引入到图像的处理中，如图像光降噪技术、光照过滤技术、图像增强技术以及图像融合技术[3-4]，其中图像融合技术是将多幅图像根据一定的规则进行处理，实现图像之间的信息互补，最大限度提升图像质量，相对于其它图像处理技术，具有十分明显的优势，一直是图像处理研究中的热点方向[5-6]。

针对图像融合问题，许多研究机构、高校投入了大量的时间、人力、物力进行了深入广泛的研究，当前存在各种各样的图像融合方法，如导向滤波的图像融合方法、多级LatLRR和HSI空间的图像融合方法、引导滤波和差分图像的图像融合方法，获得了比较好的图像融合结果[7-9]，但是在实际应用中，这些方法还存在一定的不足，如图像噪声去除不干净，使得图像清晰度不够高，对图像后续处理，如：目标跟踪、目标分割产生不利影响[10]。卷积神经网络作为一种新型的深度学习算法，相对于传统神经网络，不仅其学习速度明显加快，而且智能处理能力相应提升，在许多领域得到了广泛的应用[11-12]。针对目前图像融合方法存在的清晰度不够，质量低等问题，为获得理想的图像融合效果，提出了基于卷积神经网络的图像融合方法，并采用具体图像融合实验分析了卷积神经网络和其它方法的性能，结果表明，卷积神经网络提高了融合图像的质量，获得了更优的图像视觉效果。……