INFFUS 2025 | 合工大提出 CCSR-Net：耦合卷积稀疏表示，多聚焦图像融合新范式

主要观点总结

本文介绍了发表在INFFUS 2025上的论文“Unfolding coupled convolutional sparse representation for multi-focus image fusion”，该论文提出了面向多聚焦图像融合的耦合卷积稀疏表示（CCSR）模型。该模型结合了深度学习和传统多聚焦图像融合方法的优势，具有良好的可解释性和优越的性能。

关键观点总结

关键观点1: 论文背景与问题提出

由于光学镜头景深有限，实际拍摄中很难生成全聚焦图像，多聚焦图像融合技术因此诞生。论文旨在解决从不同焦距拍摄的同一场景的多部分聚焦图像中生成全聚焦图像的问题。

关键观点2: 论文创新点

论文提出了CCSR模型和MCCSR模型，并通过深度展开技术将其转化为可学习的神经网络CCSR-Net和MCCSR-Net。模型结合了深度学习和传统多聚焦图像融合方法的互补优势，解决了尺度变化问题，提出了两种具有良好可解释性的MFIF方法。

关键观点3: 模型详细介绍

论文详细描述了CCSR-Net和MCCSR-Net的模型公式化、损失函数、图像融合方案以及计算过程。

关键观点4: 实验结果

论文在三个流行的多聚焦图像融合数据集上进行实验，并与多种方法进行对比，证明了CCSR-Net和MCCSR-Net的有效性和优越性。

关键观点5: 论文推广

论文提倡推广个人论文工作，鼓励不同背景的学者相互交流和碰撞，激发更多学术灵感。提供了一个平台让更多人了解论文工作的重要性。

免责声明