Notes6《Multi-focus image fusion with a deep convolutional neural network》

现如今深度学习的应用已蔚然成风，很多技术领域都将深度学习做一种强有力的工具。这篇文章便将图像融合作为一个二分类问题，将神经网络应用其中。基于传统的方法，其将清晰度描述和融合准则两个步骤融为一体，即实现端到端的融合方法。但个人觉得，这种方法在实际中并不可行，因为，首先需要训练网络，网络的好坏，依赖于数据量，显然，对于实际中产生的多聚焦图片，再去训练一个网络时不可行的。

其大体思路为：

利用滑动窗口机制，依次将两张图上的对应的块对{patch1，patch2}输入网络中，进行分类预测，若patch1的清晰度高于patch2，则预测值将大于0.5，得到score map S。之后对score map S进行阈值化处理，如图2：

后得到初始的分割结果，之后对初始分割的结果进行优化得到最终的分割结果，最后将其与原始图像相结合得到融合后的图像。