基于 SURF 的高效抗错位多聚焦显微图像融合
计算机视觉与模式识别
2020-01-20 v1
摘要
本文提出一种基于加速稳健特征（SURF）的未配准多聚焦显微图像融合的高效方法。我们的方法遵循先配准后融合的流程。然而，我们并未将配准与融合视为两个完全独立的阶段，而是提出复用 SURF 检测阶段生成的近似 Hessian 行列式作为最终图像融合的对应显著响应，从而实现近乎零成本的显著图生成。此外，由于采用了 SURF 尺度空间表示，我们的方法能够生成尺度不变的显著图，这正是尺度不变图像融合所期望的。我们在由多组尺寸为 4112 x 3008 的未配准多聚焦 4K 超高清显微图像组成的数据集上进行了广泛评估。与最先进（SOTA）的多聚焦图像融合方法相比，我们的方法速度更快，并在视觉性能上取得更优结果。我们的方法提供了一种灵活高效的途径，将来自多个多聚焦超高清未配准图像的互补与冗余信息整合为一幅融合图像，其包含的描述优于任一单独输入图像。代码见 https://github.com/yiqingmy/JointRF。
引用
@article{arxiv.1812.08915,
title = {Efficient Misalignment-Robust Multi-Focus Microscopical Images Fusion},
author = {Yixiong Liang and Yuan Mao and Zhihong Tang and Meng Yan and Yuqian Zhao and Jianfeng Liu},
journal= {arXiv preprint arXiv:1812.08915},
year = {2020}
}
备注
14 pages,11 figures