基于 α-遮罩边界散焦模型的多聚焦图像融合级联网络
计算机视觉与模式识别
2023-07-19 v2
摘要
由于相机景深通常有限，使用单台相机拍摄全聚焦图像十分困难。获得全聚焦图像的替代方法是融合若干聚焦在不同深度的图像。然而，现有的多聚焦图像融合方法在聚焦/散焦边界（FDB）附近区域无法获得清晰结果。本文提出一种新颖的 α-遮罩边界散焦模型，可精确建模散焦扩散效应（尤其在 FDB 附近区域），从而生成逼真的训练数据。基于该 α-遮罩散焦模型及所生成数据，我们提出并训练了一个称为 MMF-Net 的级联边界感知卷积网络，旨在实现 FDB 附近更清晰的融合结果。具体而言，MMF-Net 由两个分别用于初始融合与边界融合的级联子网络组成；这两个子网络先获取 FDB 的引导图，再细化 FDB 附近的融合。实验表明，借助新的 α-遮罩边界散焦模型，所提 MMF-Net 在定性与定量上均优于当前最优（SOTA）方法。
引用
@article{arxiv.1910.13136,
title = {An {\alpha}-Matte Boundary Defocus Model Based Cascaded Network for Multi-focus Image Fusion},
author = {Haoyu Ma and Qingmin Liao and Juncheng Zhang and Shaojun Liu and Jing-Hao Xue},
journal= {arXiv preprint arXiv:1910.13136},
year = {2023}
}
备注
10 pages, 8 figures, journal Unfortunately, I cannot spell one of the authors' name coorectly