【技术实现步骤摘要】
基于卷积神经网络的图像融合方法
本专利技术属于图像处理领域,具体涉及一种基于卷积神经网络的图像融合方法。
技术介绍
随着经济技术的发展,图像处理技术已经得到了广泛应用。而在进行图像处理时,经常涉及到图像的融合过程。图像融合后,融合后的图像既能够保持原图像中的重要信息,又能够反映出新增加的图像的信息的变换;因此,融合后的图像往往结合了来自多个图像的互补信息和冗余信息,能够提供更为丰富的数据信息。目前随着人工智能算法的普及,人工智能算法(比如卷积神经网络算法)也已经广泛应用于图像融合领域。但是,目前的基于人工智能算法的图像融合技术,一般是先训练图像配准网络并用于图像配准,然后再将配准后的图像进行图像融合网络训练,再进行图像融合。但是,明显的,现有的基于人工智能算法的图像融合技术,其训练过程较为繁琐,而且可靠性和精确性都不高。
技术实现思路
本专利技术的目的在于提供一种可靠性高、实用性好且精确性较好的基于卷积神经网络的图像融合方法。本专利技术提供的这种基于卷积神经网络的图像融合方法,包括如下步骤:S1.获取训练数据集;S2.构建基于卷积神经网络的图像融合模型;S3.采用步骤S1获取的训练数据集,对步骤S2构建的基于卷积神经网络的图像融合模型进行训练,从而得到图像融合模型;S4.将待融合的两张图像输入到步骤S3得到的图像融合模型中,完成图像的融合。步骤S1所述的训练数据集,具体包括浮动图像和参考图像。步骤S2所述的构建基于卷积神经网络的图像融 ...
【技术保护点】
1.一种基于卷积神经网络的图像融合方法,包括如下步骤:/nS1.获取训练数据集;/nS2.构建基于卷积神经网络的图像融合模型;/nS3.采用步骤S1获取的训练数据集,对步骤S2构建的基于卷积神经网络的图像融合模型进行训练,从而得到图像融合模型;/nS4.将待融合的两张图像输入到步骤S3得到的图像融合模型中,完成图像的融合。/n
【技术特征摘要】
1.一种基于卷积神经网络的图像融合方法,包括如下步骤:
S1.获取训练数据集;
S2.构建基于卷积神经网络的图像融合模型;
S3.采用步骤S1获取的训练数据集,对步骤S2构建的基于卷积神经网络的图像融合模型进行训练,从而得到图像融合模型;
S4.将待融合的两张图像输入到步骤S3得到的图像融合模型中,完成图像的融合。
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,其特征在于步骤S2所述的构建基于卷积神经网络的图像融合模型,具体为基于卷积神经网络的图像融合模型采用如下步骤进行图像融合:
A.将浮动图像和参考图像输入到编码器网络中进行编码和特征提取;
B.将步骤A提取到的特征进行融合,并将融合后的特征输入到配准解码器网络,从而得到配准参数;
C.利用步骤B得到的配准参数,对浮动图像进行变换;
D.将变换后的浮动图像输入到编码器网络进行编码;
E.将步骤D得到的编码后的变换浮动图像与步骤A得到的编码后的参考图像输入到融合层进行融合;
F.将步骤E得到的融合后的数据输入到重构解码器网络中,从而的得到最终的融合后的图像。
3.根据权利要求2所述的基于卷积神经网络的图像融合方法,其特征在于步骤A所述的编码器网络,具体为采用DenseBlock结构作为编码器网络;DenseBlock结构包括第一卷积核、第二卷积核和第三卷积核;第一卷积核、第二卷积核和第三卷积核依次串接;第一卷积核的大小为16*16*3*3*3;第二卷积核的大小为32*16*3*3*3;第三卷积核的大小为48*16*3*3*3;参数定义为输入通道数*输出通道数*长*宽*高;第一卷积核的输入数据同时输入到第二卷积核的输入端、第三卷积核的输入端和第三卷积核的输出端;第一卷积核的输出数据同时输入到第三卷积核的输入端和第三卷积核的输出端;第二卷积核的输出数据输入到第三卷积核的输出端;第三卷积核的输出数据与第一卷积核的输入数据、第一卷积核的输出数据和第二卷积核的输出数据融合后,作为最终的DenseBlock结构的输出数据。
4.根据权利要求3所述的基于卷积神经网络的图像融合方法,其特征在于步骤B所述的将步骤A提取到的特征进行融合,具体为将步骤A提取到的特征直接进行串接,从而实现特征的融合。
5.根据权利要求4所述的基于卷积神经网络的图像融合方法,其特征在于步骤B所述的配准解码器网络,具体为采用类似U-net结构作为配准解码器网络。
6.根据权利要求5所述的基于卷积神经网络的图像融合方法,其特征在于所述的配准解码器网络,具体包括上采样模块和下采样模块;下采样模块包括第一下采样层、第二下采样层、第三下采样层和第四下采样层;上采样模块包括第一上采样层、第二上采样层、第三上采样层和第四上采样层;下采样模块的输入数据通过第一下采样层进...
【专利技术属性】
技术研发人员:梁毅雄,程海涛,刘晴,刘剑锋,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。