- 博客(5)
- 收藏
- 关注
RSS订阅原创 图像融合文献《SuperFusion: A Versatile Image Registration andFusion Network with Semantic Awareness》
然后计算红外特征和可见光特征的局部相关体积，即计算可见光特征中的每个位置（j,k）与变形后的红外特征在位置（j+m,k+n）处的点积，其中（m,n）是预设的一组离散位移偏移量，在本文中（m,n）∈{-12，-8，-4，0，4，8，，12}，该点积度量两个特征向量的相似性，值越大表示匹配程度越高。首先以可见光图像和移动的红外图像为输入，本文设计了一种新的密集匹配器（Dense Matcher）来估计红外到可见光的变形场，利用估计的变形场对未配准的红外图像进行重采样，即可得到配准的红外图像。
2025-03-17 16:17:36
1238
原创 阅读文献《RFNet Unsupervised Network for Mutually Reinforcing Multi-modal Image Registration and Fusion》
在图像平移和图像融合的基础上分别定义了粗、精两个阶段的度量。进行空间转换，然后再经过卷积层，对于纹理保存，引入梯度通道注意块，聚合绝对梯度以更好地表示特征图中的信息丰富度，通过联合使用最大池化和平均池化操作来聚合信息，然后将两个分支的结果添加并馈送到两个单独的多层感知器中，以生成共享的通道关注权重，最后经过几个卷积层将特征映射回来生成融合图像。这一模块的结构图如上图所示，分两个阶段训练，第一阶段，固定变形块中的参数，对F2M中的参数进行优化，变形块依靠初始化参数生成变形场，实现了以纹理为中心的图像融合。
2025-03-17 09:30:49
1021
原创 阅读文献《U2Fusion：A Unified Unsupervised Image Fusion Network》
本研究提出了一种新的统一的无监督的端到端图像融合网络，称为U2Fusion，它能够解决不同的融合问题，包括多模态、多曝光和多焦点情况。U2Fusion通过特征提取和信息测量，自动估计相应源图像的重要程度，并给出自适应的信息保存度。因此，不同的融合任务统一在同一个框架中。
2025-03-04 20:54:49
1242
原创 阅读文献《MulFS-CAP: Multimodal Fusion-supervised Cross-modality Alignment Perception for Unregistered In
本文对未配准红外图像与可见光图像的融合进行了研究，提出了一种新的一阶段融合方法，这是一种用于未配准红外可见图像单阶段融合的新框架。本文提出了一种模态字典补偿的一致性特征学习方法，解决了由于红外和可见光图像之间的模态差异而导致的特征不一致；提出了一种跨模态对齐感知方法，有效地纠正了细节特征中的畸变及其对融合结果的影响。大量的实验证明了本文的方法比现有方法的有效性和优越性。
2025-03-01 19:49:48
1639
原创 阅读文献《A Deep Learning Framework for Infrared and Visible Image Fusion Without Strict Registration》
本文提出 了一种用于红外和可见光图像融合的深度学习框架，旨在将融合算法 从严格的配准中解放出来。在技术上，设计了卷积神经网络(CNN)- Transformer 分层交互嵌入（CTHIE）模块，从源图像中提取特征。此外，设计了动态再聚合特征表 示（DRFR）模块，使用基于自关注的特征再聚合方案对特征进行对齐。 最后，为了有效利用网络不同层次的特征，引入了一种基于多模态特 征交互传输的全感知前向融合（FPFF）模块进行特征融合，重建融合 后的图像。
2025-02-26 11:07:27
1223
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人