多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

1.1计算机视觉(Computer Vision)及其与相关学科的关系 。 一、计算机视觉 研究完成一项任务所需视觉信息和如何从图象中获取这些信息的研究领域

2.1引言 2.1.1视觉是信息处理问题 2.1.2视觉系统的表象 2.2初始简图 2.2.1未处理的初始简图 2.2.1.1亮度变化的检测与最优滤波器

1.什么是计算机视觉？ 2.为什么要学习计算机视觉？ 3.怎样学习计算机视觉？

《计算机视觉》课程教学资源（PPT课件讲稿）第二章 视觉的基本知识 第二节 视觉物理学特性

中国科学技术大学：《计算机视觉》课程教学资源（PPT课件讲稿）第二章 视觉的基本知识 第三节 视觉系统的几何特性

中国科学技术大学：《计算机视觉》课程教学资源（PPT课件讲稿）第十章 基于立体视觉的深度估计（立体视觉深度获取）

 神经生理学  认知心理学

第二章 图象与视觉系统 1、光的特性 2、视觉系统 3、颜色 4、CIE色度图 5、常用颜色模型