【技术实现步骤摘要】
本专利技术涉及计算成像和深度学习，特别涉及一种多焦距图像融合方法、装置、电子设备及存储介质。
技术介绍
1、所有光学成像系统的景深范围均有一定的局限性，当所观察的场景或3d物体比成像系统的景深更厚，这意味着不可能在一张图像中获取完全聚焦的场景：只有位于景深范围内的部分显得清晰、边界分明，而其余区域会基于点扩散函数而模糊化。为了克服这一局限性，多焦点图像融合是一种从一系列部分聚焦的图像生成全聚焦图像的有效方法，从而达到扩展光学系统景深的目标。mfif(multi-focus image fusion，多焦点图像融合)已应用于各种应用，例如微图像融合、视觉传感器网络、视觉功率巡检和光学显微镜。图像融合技术已经发展了30多年，期间已经发表了各种方法。
2、传统的mfif方法可以分为基于空间的方法和基于变换域的方法。基于空间的方法直接在空间域中融合图像，可以进一步分为基于像素的、基于块的和基于区域的。相比之下，基于变换域的方法首先将图像变换到另一个域。然后通过预先设计的融合规则来合并变换后的系数。最后，通过基于融合系数应用相应的逆变...
【技术保护点】
1.一种多焦距图像融合方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用深度学习的权重值与原始的深度学习的特征进行卷积得到重构的深度学习特征，包括：
3.根据权利要求2所述的方法，其特征在于，对各个通道的特征进行均值化处理，得到特征压缩后的特征决策矩阵，具体通过：
4.根据权利要求3所述的方法，其特征在于，通过比较不同输入的多焦距图像的特征决策矩阵以及特征决策阈值矩阵得到融合决策地图，包括：
5.根据权利要求4所述的方法，其特征在于，通过对比图像的特征决策矩阵以及特征决策阈值矩阵，从而得到融...
【技术特征摘要】
1.一种多焦距图像融合方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用深度学习的权重值与原始的深度学习的特征进行卷积得到重构的深度学习特征，包括：
3.根据权利要求2所述的方法，其特征在于，对各个通道的特征进行均值化处理，得到特征压缩后的特征决策矩阵，具体通过：
4.根据权利要求3所述的方法，其特征在于，通过比较不同输入的多焦距图像的特征决策矩阵以及特征决策阈值矩阵得到融合决策地图，包括：
5.根据权利要求4所述的方法，其特征在于，通过对比图像的特征决策矩阵以及特征决策阈值矩阵，从而得到融合决策地图，公...
【专利技术属性】
技术研发人员：夏晗，邵航，刘威，商世杰，
申请(专利权)人：浙江清华长三角研究院，
类型：发明
国别省市：
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。