[发明专利]基于反卷积神经网络的图像融合方法

摘要

本发明提出了一种基于反卷积神经网络的图像融合方法，用于解决现有变换域图像融合方法中存在的融合图像信息熵较低的技术问题。实现步骤为：设置反卷积神经网络；获取训练样本集；用训练样本集对反卷积神经网络进行训练；用训练好的反卷积神经网络推断待融合图像的特征图；对待融合图像的特征图进行融合；用融合后的特征图和训练好的反卷积神经网络中的滤波器进行卷积求和，获得融合图像。本发明可以灵活设置待融合图像的特征图的个数，提取到更有利于全面反映待融合图像信息的特征图，进而得到信息更丰富的融合图像，提高融合图像的信息熵，可应用于多聚焦和医学领域中图像的分析处理。

主权项

1.一种基于反卷积神经网络的图像融合方法，其特征在于，包括如下步骤：(1)设置反卷积神经网络：设置反卷积神经网络中的特征图个数和滤波器个数均为K，并将K个滤波器标记为{f1,f2,...,fK}，K≥1；(2)获取训练样本集：选择与待融合图像类型和大小相同的M幅图像作为训练样本集，M≥2；(3)对反卷积神经网络进行训练：设置反卷积神经网络的训练总循环轮数为E，并通过训练样本集对反卷积神经网络进行E轮训练，得到训练好的反卷积神经网络；(4)推断待融合图像的特征图：将待融合图像A和待融合图像B分别输入到训练好的反卷积神经网络，并采用ISTA方法，分别推断待融合图像A和待融合图像B的特征图，得到待融合图像A的K个特征图{A1,A2,...,AK}和待融合图像B的K个特征图{B1,B2,...,BK}；(5)对特征图{A1,A2,...,AK}和特征图{B1,B2,...,BK}进行融合：对特征图{A1,A2,...,AK}中的特征图Ak与特征图{B1,B2,...,BK}中对应标号的特征图Bk进行融合，得到K个融合特征图{F1,F2,...,FK}，其中，k＝1,2,...,K；(6)获取融合图像：将融合特征图{F1,F2,...,FK}中的特征图Ft与反卷积神经网络的滤波器{f1,f2,...,fK}中对应标号的滤波器ft进行卷积，并对K个卷积结果进行相加，得到融合图像F，其中t＝1,2,...,K。