魏辉琪，刘增力

（昆明理工大学 信息工程与自动化学院，云南 昆明 650500）

0 引 言

日常生活中，人们在拍摄照片时不但要选择拍摄清晰的摄像机，而且希望所拍景物里所有物体都具有清晰的质量。但由于摄像机会受到景深的限制，无法将拍摄的所有目标都聚焦，造成一张照片会有聚焦和非聚焦的部分[1-3]。如何将两幅聚焦位置不同的图像融合到一起，并且使融合后的图像质量优良、细节信息丰富[4]，一直是多聚焦图像融合研究的热点。

2007年，Nencini F等人将曲率变换应用于图像融合，以期达到优异的视觉效果，实际融合效果优于使用Contourlet变换的融合算法。一些学者提出一种使用NSCT的多焦点图像融合算法以及一种将NSCT和空间频率激励脉冲与支架一起使用的图像融合算法。随着深度学习和迁移学习领域的发展，越来越多的学者将深度学习广泛运用到多聚焦图像融合中。由于卷积神经网络以生物神经元结构思想为起点，具备网络结构方便快捷和特征提取良好性的能力，很多学者将卷积神经网络（Convolutional Neural Networks，CNN）应用到图像融合任务中。有学者提出自动设置融合规则的方法，成功摆脱了手动设置融合规则的限制[5]。文献[6]和文献[7]采用了整体学习策略基于投票的方法进行图像融合。也有学者对卷积神经网络模型进行了相应改进[8]，提高了网络利用率，但仍然存在融合后图像边缘细节信息模糊这一缺陷。

为解决以上问题，本文提出一种改进的基于全卷积神经网络的多聚焦图像融合算法。……