基于深度可分离Transformer与CNN级联网络的多曝光图像融合方法

本发明公开了一种基于深度可分离Transformer与CNN级联网络的多曝光图像融合方法，本方法利用通道自注意力计算得到的权重序列来弥补潜在的通道间协同作用的损失。其中得到权重序列的可学习加权求和过程有助于强化输入特征通道之间的相互作用，并为自适应调整不同通道的信息重要程度提供指导信息。在特征提取模块中，密集连接网络的形式和深度耦合的卷积块与Transformer块的设计，使得模型能够有效地复用特征，降低网络深度和参数量。本方法大幅度降低了计算量，同时利用通道自注意力计算得到的权重序列来弥补潜在的通道间协同作用的损失，使得模型能够有效地复用特征，降低网络深度和参数量。本发明所提出的方法在视觉表现以及融合速度上优于现有的先进算法，为多曝光图像融合领域提供了一种高效且有效的解决方案。