我院2023级硕士研究生陈连华完成的研究论文“GBFusion: Adaptive Granular-Ball Computing and Multi-granularity Feature Perception for Multi-Focus Image Fusion”被中科院1区Top期刊《Knowledge-Based Systems》接收并发表。该文章在其导师翟浩副教授的指导下完成。

多聚焦图像融合技术旨在将同一场景中不同聚焦平面的多张图像融合为一幅全聚焦图像，为后续图像处理任务提供全面的输入数据。目前对 MFIF 的相关研究大多停留在基于像素级的最细粒度特征表达上，在处理图像中的远距离像素和复杂图像结构时难以捕获长距离依赖关系。这与人类视觉感知具有全局优先的特点相违背。尽管卷积操作可通过增大特征提取尺度来获得更大的感受野，但通常局部感受野有限，长距离依赖仍需多个层次的卷积堆叠，增加了模型深度和计算复杂度。本文提出了一种适用于二维数字图像的粒球计算方法，并把它用于 MFIF 任务之中。具体而言，通过粒球划分生成多粒度粒球特征表示，并利用图卷积神经网络增强粒球之间的长距离依赖性表达能力。此外，对多粒度特征实现由粗粒度到细粒度的逐级转化以分散网络关注点，以此模拟人类视觉感知过程中从全局单一关注点到局部多个关注点的感知过程。针对离焦扩散效应问题，设计并实现了动态联合损失函数调节任务间的权重分配。在多个数据集上的实验结果表明，GBFusion 在融合图像的细节保留、边界平滑过渡和计算效率方面相较于当前SOTA方法具有显著优势。

《Knowledge-Based Systems》是国际人工智能与知识工程领域的高质量学术期刊，位居中科院1区Top期刊行列，五年影响因子7.6。该期刊聚焦知识驱动型智能系统的理论构建与工程应用，涵盖多模态表征学习、跨模态语义理解、动态知识图谱构建、智能决策系统等前沿方向，推动人工智能与自然语言处理、计算机视觉及认知科学领域的深度融合。

陈连华同学在硕士期间共发表SCI论文两篇，中科院一区Top刊一篇，中科院二区Top刊一篇。目前已收到四川大学计算机科学与技术专业的博士拟录取通知。

论文链接：https://doi.org/10.1016/j.knosys.2025.114789