[发明专利]一种基于卷积神经网络的多焦点图像融合方法

权利要求书

1.一种基于卷积神经网络的多焦点图像融合方法，其特征在于，包括：

构建原始焦点探测卷积神经网络；

对所述原始焦点探测卷积神经网络进行训练，得到训练后的焦点探测卷积神经网络；

根据所述训练后的焦点探测卷积神经网络和预处理图像，获取焦点分布图像；

将所述焦点分布图和所述预处理图像进行融合，获得融合图像；

所述对所述原始焦点探测卷积神经网络进行训练，得到训练后的焦点探测卷积神经网络，包括：创建预设训练集；通过优化器和所述预设训练集对所述原始焦点探测卷积神经网络进行训练，得到训练后的焦点探测卷积神经网络；

所述创建预设训练集，包括：对训练集进行处理，获取原始素材图像集；其中，所述原始素材图像集包括多张原始素材图像；根据所述原始素材图像集生成预设训练集；其中，所述预设训练集包括多个训练样本；

所述根据所述原始素材图像集生成预设训练集，包括，通过所述原始素材图像获取第一图像和第二图像；获取参考焦点分布图像；对所述第一图像进行归一化处理，并通过计算获取第三图像；对所述第二图像进行归一化处理，并通过计算获取第四图像；通过所述第三图像、所述第四图像和所述参考焦点分布图像，获取训练样本；根据所述训练样本，获取到所述预设训练集；

所述通过所述原始素材图像获取第一图像和第二图像，包括：对所述原始素材图像的预设区域进行复制，获取区域图像；通过高斯卷积核对所述区域图像进行卷积，获取区域卷积图像；通过所述高斯卷积核对所述原始素材图像进行卷积，获取原始素材卷积图像；利用所述区域卷积图像替换所述原始素材图像的所述预设区域，获取所述第一图像；利用所述区域图像替换所述原始素材卷积图像的所述预设区域，获取所述第二图像。

2.根据权利要求1所述的多焦点图像融合方法，其特征在于，所述原始焦点探测卷积神经网络，包括：第一卷积层、第一激活层、第二卷积层、第二激活层、第三卷积层、第三激活层、第四卷积层和第四激活层；其中，

所述第一卷积层、所述第一激活层、所述第二卷积层、所述第二激活层、所述第三卷积层、所述第三激活层、所述第四卷积层和所述第四激活层依次连接。

3.根据权利要求1所述的多焦点图像融合方法，其特征在于，所述训练集为ImageNet数据集。

4.根据权利要求1所述的多焦点图像融合方法，其特征在于，所述高斯卷积核的计算公式为：

其中，x为所述高斯卷积核中的二维坐标，x_c为所述高斯卷积核的中心二维坐标，K(x)为所述高斯卷积核在二维坐标x处的值，σ为所述高斯卷积核函数宽度参数。

5.根据权利要求1所述的多焦点图像融合方法，其特征在于，根据所述训练后的焦点探测卷积神经网络和预处理图像，获取焦点分布图像，包括：

获取所述预处理图像；其中，所述预处理图像包括第一源图像和第二源图像；

分别对所述第一源图像和所述第二源图像进行预处理，获取对应的第五图像和第六图像；

将所述第五图像和所述第六图像输入所述训练后的焦点探测卷积神经网络，得到所述焦点分布图像。

6.根据权利要求5所述的多焦点图像融合方法，其特征在于，将所述焦点分布图和所述预处理图像进行融合具体为：

F＝A·M+B·(1-M)

其中，F为所述融合图像，A为所述第一源图像，B为所述第二源图像，M为所述焦点分布图像。