端到端学习同时生成决策图与多聚焦图像融合结果
计算机视觉与模式识别
2022-05-26 v3
摘要
多聚焦图像融合的一般目标是收集不同图像的清晰区域以生成唯一的全局清晰融合图像。基于深度学习的方法凭借其强大的特征表示能力成为图像融合的主流。然而，现有多数深度学习结构未能平衡融合质量与端到端实现的便利性。端到端解码器设计因其非线性映射机制常导致不真实的结果。另一方面，生成中间决策图可获得更好的融合图像质量，但依赖于经验后处理参数选择的修正。本文为兼顾输出图像质量与结构实现的整体简洁性，提出一种级联网络，通过端到端训练程序同时生成决策图与融合结果，避免了推理阶段对经验后处理方法的依赖。为提升融合质量，引入梯度感知损失函数以保留输出融合图像中的梯度信息。此外，设计决策校准策略以降低多图像融合应用中的时间消耗。开展了大量实验，使用 6 种评估指标与 19 种不同最先进多聚焦图像融合结构比较。结果证明所设计结构可普遍改善输出融合图像质量，同时多图像融合的实现效率提升超 30%。
引用
@article{arxiv.2010.08751,
title = {End-to-End Learning for Simultaneously Generating Decision Map and Multi-Focus Image Fusion Result},
author = {Boyuan Ma and Xiang Yin and Di Wu and Xiaojuan Ban},
journal= {arXiv preprint arXiv:2010.08751},
year = {2022}
}
备注
report