単一の焦点画像が同時にシーンの完全な情報を提示できない問題に対して、本論文では画像融合の正確性と実用性を向上させるエンドツーエンドの多焦点画像融合アルゴリズムを提案する。エンコーディング段階では、密集畳み込みCNNとTransformerの並列構造を組み合わせたエンコーダを構築し、画像の高周波および低周波特徴を効率的に抽出し、特徴表現能力を強化するために空間注意機構を導入する。融合段階では、セマンティックプライオリティに基づくクロス融合戦略を設計し、低周波情報の導きにより高周波の細部を正確に埋め込み、従来手法における遠近焦点間のバイアス問題を効果的に緩和し、融合画像のコントラストおよび細部保持能力を大幅に向上させる。最新の研究手法およびLytro、COCO、MFFWデータセット上の7種類の先進的な画像融合アルゴリズムと比較して、本手法は複数の指標で顕著な優位性を示し、EN、PSNR、SSIM、MI、AG、およびSFはそれぞれ2.7％、13.6％、7.9％、6.5％、1.6％、3.7％向上した。さらに、下流のチップピン認識およびチップ中心位置決定タスクでも性能向上を実現し、アルゴリズムの実用性および汎用性を検証した。本論文の手法は融合品質および下流タスク効果の両面で優れた性能を示し、多焦点画像融合を用いた実際の検出タスクにおける迅速性と正確性の要求を満たす優れた応用可能性を有する。

多焦点画像融合;Transformer;マルチヘッドアテンション機構;チップ認識;チップ検出