面向顯微影像的多聚焦多圖融合中失焦擴散效應消除方法

印 象，馬博淵，班曉娟，黃海友，王 宇，李松巖

1) 北京科技大學北京材料基因工程高精尖創新中心，北京 100083 2) 北京科技大學材料領域知識工程北京市重點實驗室，北京 100083 3) 北京科技大學人工智能研究院，北京 100083 4) 北京科技大學順德研究生院，佛山 528300 5) 北京科技大學新材料技術研究院，北京100083 6) 北京理工大學網絡空間安全學院，北京 100081 7) 鄭州大學醫學院臨床醫學系，鄭州 450052

由于光學鏡頭自由度的限制，在成像過程中很難在一個鏡頭內將深度距離相差很大的物體全部聚焦[1]. 因此，通常采用基于圖像處理技術的多聚焦圖像融合方法[2]，將同一場景下聚焦不同目標的多張圖像中各自的清晰區域進行融合，最終獲得全清晰圖像[3].

隨著計算機硬件以及圖像處理技術的進步，多種基于不同理論的多聚焦圖像融合方法如雨后春筍般涌現，通常多聚焦圖像融合方法可分為三大類：基于變換域的融合方法、基于空間域的融合方法、以及基于深度學習的融合方法.

基于變換域的融合方法通過多尺度變換理論設計清晰度評價標準，如拉普拉斯金字塔[4]、低通金字塔[5]、離散小波變換[6]等. 基于空間域的融合方法使用梯度信息測量清晰度水平，如空間頻率[7]、導向濾波[8]、多尺度加權梯度[9]和密集尺度不變特征變換算子[10]等.

近年來，隨著以深度學習[11]為代表的機器學習理論取得了革命性突破，深度學習方法開始被應用于多聚焦圖像融合領域. Liu等首次將卷積神經網絡（Convolutional neural network, CNN）引入到多……