1 西安建筑科技大学理学院, 陕西 西安 710055
2 空间电子信息技术研究院, 陕西 西安 710100
针对深度学习在计算机视觉上的良好表现，提出一种基于深度学习的多聚焦图像融合算法，在原有的AlexNet网络模型基础上改进了卷积核大小、步长等；利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块；使用矫正矩阵矫正了误判图像块，并细分、修复了融合后的图像聚焦与散焦分界区域，得到了融合图像；选取6组多聚焦图像验证了本文算法的有效性。实验结果表明：与其他算法相比, 运用本文算法进行图像融合，能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。
图像处理 多聚焦图像融合 深度学习网络 矫正矩阵 图像块分类 边界修复 激光与光电子学进展
2018, 55(7): 071015
1 中国科学院西安光学精密机械研究所，西安 710119
2 中国科学院大学，北京 100049
介绍了采用数字微镜器件的哈达玛光谱仪的成像原理及光学结构，阐述了数字微镜器件像元大小与探测器阵列尺寸不匹配，从而导致光谱能量偏移的现象.通过对复原图像进行修正，提出了矩阵修正算法.采用由哈达玛光谱仪得到的7阶植物光谱图像，对复原图像应用矩阵修正算法进行修正，有效减小了明暗条纹现象.为了提高复原图像的成像质量，实验选取相邻明暗条纹中的点绘制光谱曲线图，结果表明：存在能量偏移的暗条纹处的光谱曲线偏移较大，明条纹处光谱曲线基本重合，证明了修正算法的有效性.
能量偏移 修正矩阵 哈达玛变换 数字微镜器件 Energy excursion Correction matrix Hadamard transform Digital Micromirror Device (DMD)
