面向任意输入数量多聚焦图像融合的生成与重组方法
计算机视觉与模式识别
2023-09-12 v1
摘要
多聚焦图像融合是克服光学镜头限制的有效途径。许多现有方法通过生成决策图获得融合结果。然而,此类方法常假设两幅源图像的聚焦区域互补,无法实现对多幅图像的同时融合。此外,现有方法忽略了硬像素对融合性能的影响,限制了融合图像视觉质量的提升。为解决这些问题,提出了一种称为 GRFusion 的生成与重组结合模型。在 GRFusion 中,每幅源图像的聚焦属性检测可独立进行,从而实现多幅源图像同时融合并避免交替融合导致的信息丢失。这使得 GRFusion 不受输入数量限制。为区分源图像中的硬像素,我们通过考虑源图像聚焦区域检测结果间的不一致性来实现硬像素判定。此外,提出了一种用于生成全聚焦图像的多方向梯度嵌入方法。随后,设计了一种用于构建融合结果的硬像素引导重组机制,有效集成了基于特征重建方法与基于聚焦像素重组方法的互补优势。大量实验结果证明了所提方法的有效性与优越性。源代码将发布于 https://github.com/xxx/xxx。
引用
@article{arxiv.2309.04657,
title = {Generation and Recombination for Multifocus Image Fusion with Free Number of Inputs},
author = {Huafeng Li and Dan Wang and Yuxin Huang and Yafei Zhang and Zhengtao Yu},
journal= {arXiv preprint arXiv:2309.04657},
year = {2023}
}