一种基于卷积神经网络的图像融合方法技术

本发明专利技术涉及一种基于卷积神经网络的图像融合方法，属于信息融合、图像处理领域。本发明专利技术通过训练并使用卷积神经网络来获得融合图片。通过针对待融合图片选定训练集预先对卷积神经网络进行训练，整个训练过程属于监督训练；在训练过程中涉及到图片的分析与合成；再使用训练好的两组模型权值前馈网络的分析和反馈网络的合成，用于深度神经网络融合模型。训练和融合过程中的融合法则均采用基于深度学习的sigmoid函数融合法则。本发明专利技术避免了融合过程中出现冗余信息以及相关信息的遗漏。

【技术实现步骤摘要】
一种基于卷积神经网络的图像融合方法
本专利技术涉及一种基于卷积神经网络的图像融合方法，属于图像融合领域。
技术介绍
图像融合是将两个或者两个以上的传感器在同一时间或不同时间获取的关于某个具体场景的图像或者图像序列信息加以综合，以生成新的有关此场景届时的信息处理过程。随着多源图像融合技术的发展，其在军事和民用领域的应用更为深入，并且对经济和国防事业的建设都有重要的意义。多源图像大致分为多传感器图像、遥感多源图像、多聚焦图像、时间序列图像。而多聚焦图像和时间序列图像都是采用同种传感器的不同成像方式或不用成像时间获得的。特别的，多聚焦图像是由同种传感器采用不同的成像方式(聚焦点的不同)获得的。多聚焦图像的融合是图像融合研究中一类具有代表性的问题。由于光学镜头的成像原理可知，物体在镜头的共轭平面时，成清晰的像，处于共轭平面以外的物体将出现不同程度的模糊，当模糊程度不超过光学系统的景深时，物体所成的像仍然可以看做是清晰的。光学系统的景深指保证在像平面能获得清晰的像的物体在物放空间前后移动的最大距离，由于光学镜头的景深有限，使得在拍摄是很难获取一幅所有景物都聚焦清晰的图像。所以仅仅依靠成像系统本本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的图像融合方法，其特征在于：首先针对待融合图片特性选定训练数据集并对其进行预处理，针对待融合图片选取若干图片作为训练数据集，并对选取的图片进行模糊处理，形成由原清晰图片和模糊图片组成的训练数据集；然后通过监督训练利用卷积神经网络模型对训练数据集获得模型权值，将原清晰图片和模糊图片输入卷积神经网络模型得到对应的特征映射，将模糊图片的特征映射通过融合法则得到了融合后的特征映射，计算原清晰图片的特征映射和模糊图片融合后的特征映射的差值，并使差值达到最小误差，获得对待融合图片分析的前馈网络权值weight_f与合成图片的反馈网络权值weight_b；最后将训练获得的权值应用到模...

【技术特征摘要】
1.一种基于卷积神经网络的图像融合方法，其特征在于：首先针对待融合图片特性选定训练数据集并对其进行预处理，针对待融合图片选取若干图片作为训练数据集，并对选取的图片进行模糊处理，形成由原清晰图片和模糊图片组成的训练数据集；然后通过监督训练利用卷积神经网络模型对训练数据集获得模型权值，将原清晰图片和模糊图片输入卷积神经网络模型得到对应的特征映射，将模糊图片的特征映射通过融合法则得到了融合后的特征映射，计算原清晰图片的特征映射和模糊图片融合后的特征映射的差值，并使差值达到最小误差，获得对待融合图片分析的前馈网络权值weight_f与合成图片的反馈网络权值weight_b；最后将训练获得的权值应用到模型上对图像进行融合，将一张白噪声图片和待融合图片输入卷积神经网络模型得到对应的特征映射，利用融合法则对待融合图片的特征映射进行融合进而获得融合后的特征映射，计算待融合图片融合后的特征映射与白噪声图片的特征映射的差值，并使差值最小化，对此时的白噪声图片进行逆运算得到最终的融合图片。2.根据权利要求1所述的基于卷积神经网络的图像融合方法，其特征在于：所述卷积神经网络模型采用VGG16模型，训练和融合过程中的融合法则均采用SIGMOID函数，具体步骤如下：S...

【专利技术属性】
技术研发人员：王蒙，刘兴旺，梁敏，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53