SamAI-CV-ImageFusion主要是为了解决多源图像聚焦问题，通过构建一个可以区分清晰和模糊图像块的CNN分类模型，再通过融合规则可 实现将不同景深的图像进行融合成信息完整的图像，从而在聚焦方面完成类似HDR方式来实现图像的整体细节信息提升。
如果只是为了查看结果， 在MATLAB中运行 Evaluation/CNN_Fusion/Script.m 即可。
- 运行前需要先搭建
caffe框架， 我使用的电脑是mac， 没有CUDA， 因此运行模式设为CPU， 这样是很低效的， 建议改成GPU训练速度至少差上百倍以上。修改代码中的路径为自己的路径即可。 - 新建
sourseImages、train、val三个空文件夹 - 在
train文件夹里再新建0和1两个文件夹 - 需要先下载
ImageNet的ILSVRC2012的5万张验证集自然采集图像保存到sourseImages文件夹里 - 运行
imageInitialize.m生成训练集到train文件夹里的0和1文件夹里 - 运行
create_val.m生成验证集图像到val文件夹里 - 运行
imag2txt.sh生成train.txt和val.txt两个文件 - 运行
create_lmdb.sh生成train_lmdb和val_lmdb两个文件夹，里面存放对应的lmdb数据格式文件 - 运行
time.sh查看网络各个layer所占用的时间，运行draw_net.sh来绘制神经网络 - 运行
train_net.sh来训练网络，网络日志保存到log文件夹里，model保存到models文件夹里 - 生成
loss图和accuracy图在log文件夹里进行操作，具体看log文件夹中的README.md - 对于训练最后生成的
caffemodel要转换为mat格式才可以在matlab中进行验证导入 - 在models文件夹中的
load_caffemodel.py文件生成caffemodel.mat - 复制
caffemodel.mat到CNN_Fusion文件夹中的model文件夹即可
将四种图像融合的结果放入PSNR和SSIM这两个文件中，分别与原始图像进行对比即可产生最终评价
CNN_Fusion: 是本次项目的验证部分，在matlab中完成实验，运行Script.m即可，其中CNN_Fusion.m是处理模拟网络和图像融合文件DCT: 离散余弦变换的图像融合算法sourceImages: 存放图像融合所用的多聚焦图GFF: 基于导向滤波器的图像融合DWT: 图像融合在matlab中通过wavemanu来生成结果PSNR: PSNR文件夹是运行峰值信噪比评价所用SSIM: SSIM文件夹是运行图像结构相似性评价所用