MFIF-GAN：一种用于多聚焦图像融合的新生成对抗网络
计算机视觉与模式识别
2020-11-10 v4
摘要
多聚焦图像融合(MFIF)是一种前景广阔的图像增强技术，可获得满足视觉需求的全聚焦图像，并且是其他计算机视觉任务的前提条件。MFIF的研究趋势之一是避免聚焦/散焦边界(FDB)周围的散焦扩散效应(DSE)。本文中，我们提出一种称为MFIF-GAN的网络，通过生成前景区域正确大于相应物体的聚焦图来减弱DSE。网络中采用了压缩激励残差模块。结合训练条件的先验知识，该网络基于{\alpha}-matte模型在合成数据集上训练。此外，在损失函数中结合了重建与梯度正则化项，以增强边界细节并提升融合图像质量。大量实验表明，MFIF-GAN在视觉感知、定量分析以及效率方面均优于几种最先进(SOTA)方法。而且，首次提出边缘扩散与收缩模块，以验证我们所生成聚焦图在像素级上的准确性。
引用
@article{arxiv.2009.09718,
title = {MFIF-GAN: A New Generative Adversarial Network for Multi-Focus Image Fusion},
author = {Yicheng Wang and Shuang Xu and Junmin Liu and Zixiang Zhao and Chunxia Zhang and Jiangshe Zhang},
journal= {arXiv preprint arXiv:2009.09718},
year = {2020}
}