邬开俊，梅 源

(兰州交通大学 电子与信息工程学院，甘肃 兰州 730070)

图像融合是图像处理的一个分支。其数据形式是包含有明暗、色彩、温度、距离以及其他的景物特征的图像[1]。多聚焦图像融合作为多源图像融合的一个重要分支，是解决成像系统聚焦范围局限性问题的有效方法[2]。在诸如遥感、医学影像、图像去雾、显微镜等计算机视觉和计算机摄影领域具有重要的应用价值。

根据多聚焦图像融合处理所处的阶段，可将多聚焦图像融合分为：像素级图像融合、特征级图像融合和决策级图像融合3个层面[3]。其中，像素级图像融合具有在融合过程中信息丢失少，能够提供其他融合层次所不能提供的细节信息等优点，是当前图像融合领域的热门研究课题之一。在像素级图像融合中，其融合方法可分为变换域、空间域以及变换域与空间域相结合和基于深度学习的融合方法[4]。其中，基于深度学习的图像融合方法又可分为基于监督学习的图像融合方法和基于无监督学习的图像融合方法。文献[5]将卷积神经网络用于图像融合，将多聚焦图像融合问题视为一个基于监督学习的二分类问题，取得了突出效果。首先，采用高斯模糊对ILSVRC2012原始数据集进行堆叠模糊处理，形成不同模糊程度的图像来模拟离焦图像，并分别与原始图像组成一组清晰-模糊图像对。接着，随机对每张原始图像与模糊图像组成的图像对进行随机选取图像块作为模型输入，经过一个孪生卷积网络和全连接层后进行图像块聚焦属性的判断，并生成初始权重图。……