[发明专利]一种基于监督学习的全卷积神经网络多聚焦图像融合方法

权利要求书

1.一种基于监督学习的全卷积神经网络多聚焦图像融合方法，包括：网络结构搭建、数据集训练、网络训练三部分：

网络结构搭建步骤如下：

S1：构建神经网络；

S2：优化网络；为尽量保留源图像的信息，整个网络均未使用池化层，除最后一层外，其它每个卷积层之后均使用ReLU作为激活函数，最后一层使用Tanh函数激活；该网络由三部分组成：特征提取、特征融合、图像重建； 特征提取部分由两个网络分支组成，每个网络分支包含3个卷积层，每个卷积层提取源图像的不同特征；特征融合部分将特征提取部分中的两个网络分支的输出在通道方向上进行连接得到融合特征，之后融合特征作为图像重建部分网络的输入；图像重建部分包括8个卷积层，使用稠密连接分别将特征提取部分的第1、3层在通道方向上连接到图像重建部分的第3、5输出层上，这样可以充分利用不同特征层的信息，从而得到更好的融合效果；

数据集训练步骤如下：

S3：基于公共数据集VOC2007构造带有标签的多聚焦图像数据集；

S4：对标签图像做不同区域的高斯模糊处理；

网络训练步骤如下：

S5：构建损失函数和优化函数；

S6：训练经高斯模糊处理后的数据集，得出结果；

S7：结束。

2.根据权利要求1所述的一种基于监督学习的全卷积神经网络多聚焦图像融合方法，其特征在于，在S6中，运用S1到S4步骤生成的网络结构和网络训练所需的数据集。

3.根据权利要求1或权利要求2所述的一种基于监督学习的全卷积神经网络多聚焦图像融合方法，应用场景包括：目标识别、机器视觉、数字摄影和显微成像。