卷积自编码融合网络的红外可见光图像融合

摘要：

可见光图像能够充分反映场景的细节信息,红外图像能够反映目标的热度信息,利用两者的互补信息进行融合,可以得到具有目标信息和场景细节的图像.本文提出一种基于卷积自编码融合网络的红外与可见光图像融合的方法.首先利用卷积编码网络从两类源图像中提取相应特征,产生在不同维度上包含源图像各项信息的特征图;接着对两类图像的特征图利用等权重相加的融合规则将其进行融合,得到包含两类源图像信息的特征图,然后利用卷积解码网络对其进行重建,最终得到一张包含两类源图像信息的融合图像.通过对多组红外与可见光图像进行实验,实验结果证明本文提出的方法可以得到较好的融合结果.该方法的融合结果无论从主观视觉效果还是客观定量评价,都优于一些主流的红外与可见光图像融合方法.

关键词：红外与可见光图像融合、卷积自编码、深度学习、卷积神经网络、纹理梯度信息提取

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61662026,61862030;江西省自然科学基金项目20182BCB22006,20181BAB202010,20192ACB20002,20192ACBL21008;江西省教育厅科技项目GJJ170312,GJJ170318

在线出版日期：2020-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2673-2680