近日，我校計(jì)算機(jī)與信息科學(xué)學(xué)院2023級(jí)碩士研究生歐陽(yáng)云璨在導(dǎo)師翟浩博士的指導(dǎo)下完成的研究論文“FusionGCN: Multi-focus image fusion using superpixel features generation GCN and pixel-level feature reconstruction CNN”在中科院1區(qū)Top期刊《Expert Systems With Applications》（中科院1區(qū)Top期刊，影響因子為7.6。）發(fā)表。
在多聚焦圖像融合領(lǐng)域中，現(xiàn)存網(wǎng)絡(luò)往往需要復(fù)雜的模塊設(shè)計(jì)和龐大的參數(shù)量才能取得良好的融合效果，這對(duì)許多計(jì)算資源受限的輕量化設(shè)備并不友好。因此，該研究提出了一種分塊切割與像素優(yōu)化結(jié)合的巧妙思路。首先利用圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)超像素聚類(lèi)形成的大尺度不規(guī)則區(qū)域進(jìn)行柔性卷積，取得塊級(jí)粗分割；接著采用并行輕量化卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行像素級(jí)指導(dǎo)，最終取得了更高質(zhì)量的融合圖像。此外，為實(shí)現(xiàn)兩種網(wǎng)絡(luò)優(yōu)勢(shì)互補(bǔ)，使得歐幾里得面向數(shù)據(jù)能與非歐幾里得導(dǎo)向數(shù)據(jù)對(duì)齊與融合，該研究精心設(shè)計(jì)了一種基于超像素的圖解碼器和一種基于像素的CNN基礎(chǔ)提取塊實(shí)現(xiàn)特征獲取與傳播，并在多個(gè)數(shù)據(jù)集上取得了state-of-the-art（SOTA）效果。
原文鏈接
