本文提出了一种基于自编码器的融合网络模型，用于红外和可见光图像融合。通过特征分解，编码器提取背景和细节特征，解码器恢复图像。实验表明，这种方法能有效融合图像信息，生成高质量的融合图像，超越传统和现有深度学习方法，具有高可复现性。
点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入！
红外和可见图像融合是图像处理领域中的热门话题，旨在获得融合了源图像优势的融合图像。本文提出了一种新颖的基于自编码器的融合网络模型。核心思想是，编码器将图像分别分解为具有低频和高频信息的背景和细节特征图，并且解码器恢复原始图像。为此，损失函数通过使源图像的背景/细节特征图相似/不相似完成特征信息的分离。在测试阶段，通过融合模块分别合并背景特征图和细节特征图，并通过解码器恢复融合后的图像。定性和定量结果表明，我们的方法可以生成包含显著目标信息和丰富细节纹理信息的融合图像，在超越现有方法的同时具有很强的可复现性。
赵子祥：西安交通大学数学与统计学院一年级博士，研究方向为底层视觉，图像增强，信息融合，于2018年本科毕业后硕博连读，师从张讲社教授。主要工作发表在 IJCAI, Signal Processing上。
一、
最低0.47元/天 解锁文章
48
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
