現(xiàn)如今深度學習的應用已蔚然成風楼肪,很多技術領域都將深度學習做一種強有力的工具开财。這篇文章便將圖像融合作為一個二分類問題汉柒,將神經網絡應用其中≡瘅ⅲ基于傳統(tǒng)的方法碾褂,其將清晰度描述和融合準則兩個步驟融為一體,即實現(xiàn)端到端的融合方法历葛。但個人覺得正塌,這種方法在實際中并不可行,因為恤溶,首先需要訓練網絡乓诽,網絡的好壞,依賴于數(shù)據量咒程,顯然鸠天,對于實際中產生的多聚焦圖片,再去訓練一個網絡時不可行的帐姻。
其大體思路為:
利用滑動窗口機制稠集,依次將兩張圖上的對應的塊對{patch1,patch2}輸入網絡中饥瓷,進行分類預測剥纷,若patch1的清晰度高于patch2,則預測值將大于0.5呢铆,得到score map S晦鞋。之后對score map S進行閾值化處理,如圖2:
后得到初始的分割結果棺克,之后對初始分割的結果進行優(yōu)化得到最終的分割結果鳖宾,最后將其與原始圖像相結合得到融合后的圖像。