[发明专利]一种基于改进型卷积神经网络的多聚焦图像融合方法

权利要求书

1.一种基于改进型卷积神经网络的多聚焦图像融合方法，其特征在于，包括以下步骤：

1)改进型卷积神经网络的权值设定，确定输入层、第一卷积层、池化层与相邻后续卷积层间的权值；

2)改进型卷积神经网络的卷积层处理，针对源图像或前一池化层中的特征映射提取图像中的特征信息；

3)改进型卷积神经网络的池化层处理，利用均方根池化策略得到池化映射中的结果。

2.根据权利要求1所述的一种基于改进型卷积神经网络的多聚焦图像融合方法，其特征在于，步骤(1)中所述的权值设定采用高斯概率分布函数确定输入层与第一卷积层(C1)、池化层与相邻后续卷积层间的权值，所述的高斯概率分布函数为：

其中，矩阵P为初始权值矩阵，R为实数域，矩阵P中每一元素的尺寸均为r×r，N表示卷积核的数量。

3.根据权利要求2所述的一种基于改进型卷积神经网络的多聚焦图像融合方法，其特征在于，若前一层图像信息的尺寸为k×k，则通过高斯概率分布函数获得的特征映射图的尺寸为(k-r+1)×(k-r+1)。

4.根据权利要求1所述的一种基于改进型卷积神经网络的多聚焦图像融合方法，其特征在于，步骤(2)具体为基于步骤(1)的权值设定得到第i幅特征映射中位于点(x,y)的卷积结果：

其中，c_x,y,i表示第i幅卷积图在坐标为(x,y)处的系数，Θ表示待融合源图像。

5.根据权利要求1所述的一种基于改进型卷积神经网络的多聚焦图像融合方法，其特征在于，所述的均方根池化策略具体为：

其中，s_p,q,j表示第j幅卷积图在坐标为(p,q)处的系数，Θ表示待融合源图像，p,q＝1,…,(k-r+1)，e为池化邻域半径。