基于卷积神经网络的像素级图像融合——硕士论文阅读笔记

基于卷积神经网络的像素级图像融合

原文知网：

摘要
1.介绍图像融合，引出CNN；
2.本文DWT+CNN，本文的步骤；
3.主客观优，9种对比算法。

第1章 引言
1.介绍图像融合分类，可以分成三个层次：像素级、特征级、决策级，可以按照应用分类：多焦距、多模态、多曝光等；
2.多焦距图像融合介绍；
3.多模态医学图像融合介绍；
4.遥感图像融合介绍；
5.红外可见光图像融合介绍；
6.领域不同，可分为空域和变换域；
7.空域算法介绍；
8.变换域算法介绍；
9.空域和变换域的局限性，所以本文采用卷积神经网络；
10.卷积神经网络解决的问题且可以归为空域；
11.解决空域出现的问题采用DWT+CNN；
12.文章主要贡献：（1）低频：CNN-low，高频CNN-high（2）网络结构优化（3）CNN产生的决策图用SML和GF处理；本文算法的优点和组织结构。

第2章 相关理论基础
2.1 卷积神经网络
1.卷积神经网络应用；