填料
科学家在多聚焦图像融合领域取得进展
景深是光学系统中最近和最远的清晰成像平面之间的距离。景深越大,该光学系统可清晰成像的范围就越广。由于光学镜头的景深限制,难以获得全聚焦图像,即其中往往存在一部分模糊区域。解决这一问题的有效方法之一是多聚焦图像融合(MFIF)。MFIF旨在将对同一场景中的不同物体分别进行聚焦得到的多幅局部聚焦图像进行融合,得到所有物体都清晰的全聚焦图像。MFIF可以轻松又有效的扩展光学镜头的景深,使成像系统突破景深限制,以获得更高质量的图像。
目前,在MFIF领域中,深度学习方法的效果明显优于传统算法。近年来,基于深度学习的MFIF算法发展迅速,但科学家往往致力于设计越来越复杂的网络结构、模块和损失函数来提升算法的融合性能。这在某种程度上预示着必须花费大量的时间来设计巧妙的网络结构,并完成足够多的对比实验。而这不利于算法性能的提升,导致当前的MFIF算法性能遇到了瓶颈。
为此,中国科学院苏州生物医学工程技术研究所付威威团队重新考虑了图像融合任务,并将其建模为一种条件生成模型。该团队结合当前图像生成领域效果最好的扩散模型(Diffusion Models),提出了一种基于扩散模型的MFIF算法FusionDiff(FusionDiff的图像融合原理如图1所示)。这是该扩散模型在多聚焦图像融合领域的首次应用,为该领域的研究提供了新思路。
经过实验验证,FusionDiff在融合效果和小样本学习性能上均优于其他MFIF算法。FusionDiff在8种评价指标上与13种代表性的MFIF算法进行了对比,取得了最好的融合效果(表1、2)。同时,FusionDiff是一种小样本学习的MFIF算法,仅需要100对训练集就能取得良好的融合效果。表3展示了不同MFIF算法的训练集规模,FusionDiff的训练集规模降低为其他算法的2%以内。这在某种程度上预示着该算法可能适用于样本稀缺的应用场景,如显微图像融合。
特别声明:本文转载只是出于传递信息的需要,并不代表代表本网站观点或证实其内容的真实性;如别的媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者若不希望被转载或者可以联系转载稿费等事宜,请与我们接洽。
聚焦电动汽车领域优质期刊World Electric Vehicle Journal
聚焦电动汽车领域优质期刊——World Electric Vehicle Journal MDPI 期刊推荐
FIE 《能源前沿》聚焦“前沿性、创新性和交叉性”,打造能源前沿学术交流平台
青年科学家在纠结什么?4位“大咖”展开精彩对线诺贝尔生理学或医学奖解读
相关资讯
-
2024-11-27
智能养老体系建设六大问题
-
2024-11-27
有啥问题直接问!太原热力集团发布分区服务电话
-
2024-11-26
煤气爆破致女子全身60%烧伤孩子被炸飞2米远
-
2024-11-26
民生工程有力度 百姓幸福有温度
-
2024-11-26
共筑坚固防线联塑织密防汛防涝安全网守护每一刻安宁
-
2024-11-26
中国生活污水净化处理行业市场运营态势及未来趋势研判分析
-
2024-10-27
反超美的与海尔!米家打造年轻人第一套卫浴方案究竟有多少惊喜
-
2024-10-27
曝气喷泉正式敞开