基于CNN和Transformer架构的多聚焦图像融合研究及应用

针对单幅聚焦图像无法同时呈现场景完整信息的问题，本文提出一种端到端的多聚焦图像融合算法，以提升图像融合的准确性与实用性。在编码阶段，构建结合密集卷积CNN与Transformer并联结构的编码器，用于高效提取图像的高频与低频特征，并引入空间注意力机制以增强特征表达能力。在融合阶段，设计基于语义先验引导的交叉融合策略，在低频信息指导下准确嵌入高频细节，有效缓解了传统方法在远/近聚焦间的偏置问题，显著提升融合图像的对比度与细节保留能力。与最新研究方法在Lytro，COCO和MFFW数据集上与七种先进图像融合算法进行对比，所提方法在多个指标上取得显著优势，EN，PSNR，SSIM，MI，AG与SF分别提升了2.7%，13.6%，7.9%，6.5%，1.6%与3.7%。此外，在下游芯片引脚识别与芯片中心定位任务中均实现性能提升，验证了算法的实用性与通用性。本文方法在融合质量和下游任务效果方面均表现优异，具备良好的应用潜力，满足多聚焦图像融合在实际检测任务中的快速性与精确性需求。