图像融合论文阅读:DenseFuse: A fusion approach to infrared and visible images

@article{li2018densefuse,
title={DenseFuse: A fusion approach to infrared and visible images},
author={Li, Hui and Wu, Xiao-Jun},
journal={IEEE Transactions on Image Processing},
volume={28},
number={5},
pages={2614–2623},
year={2018},
publisher={IEEE}
}


论文级别:SCI A1
影响因子:10.6

📖[论文下载地址]



📖论文解读

在编码器中使用了密集连接来提取特征,使用解码器得到融合图像。

🔑关键词

Image fusion, deep learning, dense block,infrared image, visible image.
图像融合,深度学习,密集块,红外图像,可见光图像

💭核心思想

使用AE+密集块实现VIF.
融合策略:L1范式+softmax

参考链接
[什么是图像融合?(一看就通,通俗易懂)]

🪢网络结构

在这里插入图片描述
在这里插入图片描述

📉损失函数

在这里插入图片描述
损失函数=结构相似性损失+像素损失
在这里插入图片描述
O和I分别代表输出和输入图像,像素损失是输出O和输入I的欧几里得距离。
结构性损失如下:
在这里插入图片描述
SSIM(·)表示结构相似度运算。在训练阶段,λ分别设置为1、10、100和1000。

🧲融合策略

加法策略

在这里插入图片描述
在这里插入图片描述

L1范式+softmax(本文采用的融合策略)

在这里插入图片描述
在此图中, ϕ i m \phi_i^m ϕim代表特征图,活动水平映射 C ^ i \hat C_i C^i可以由L1范式和基于块的平均算子计算得出。
初始活动水平映射 C i C_i Ci为:
在这里插入图片描述
在这里插入图片描述
r决定了块的大小,本文作者设置为1.
在这里插入图片描述

🔢数据集

-MS-COCO 的灰度图作为训练输入图像,256×256

图像融合数据集链接
[图像融合常用数据集整理]

🎢训练设置

🔬实验

📏评价指标

  • EN
  • QABF
  • SCD
  • FMI_W & FMI_DCT
  • SSIM_A
  • MS_SSIM

参考资料
✨✨✨强烈推荐必看博客 [图像融合定量指标分析]

🥅Baseline

  • CBF,JSR,GTF,JSRSD,CNN

参考资料
[图像融合论文baseline及其网络模型]

🔬实验结果

在这里插入图片描述
在这里插入图片描述

更多实验结果及分析可以查看原文:

📖[论文下载地址]


🚀传送门

📑图像融合相关论文阅读笔记

📑[DeepFuse: A Deep Unsupervised Approach for Exposure Fusion with Extreme Exposure Image Pair]
📑[GANMcC: A Generative Adversarial Network With Multiclassification Constraints for IVIF]
📑[DIDFuse: Deep Image Decomposition for Infrared and Visible Image Fusion]
📑[IFCNN: A general image fusion framework based on convolutional neural network]
📑[(PMGI) Rethinking the image fusion: A fast unified image fusion network based on proportional maintenance of gradient and intensity]
📑[SDNet: A Versatile Squeeze-and-Decomposition Network for Real-Time Image Fusion]
📑[DDcGAN: A Dual-Discriminator Conditional Generative Adversarial Network for Multi-Resolution Image Fusion]
📑[FusionGAN: A generative adversarial network for infrared and visible image fusion]
📑[PIAFusion: A progressive infrared and visible image fusion network based on illumination aw]
📑[CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion]
📑[U2Fusion: A Unified Unsupervised Image Fusion Network]
📑综述[Visible and Infrared Image Fusion Using Deep Learning]

📚图像融合论文baseline总结

📚[图像融合论文baseline及其网络模型]

📑其他论文

📑[3D目标检测综述:Multi-Modal 3D Object Detection in Autonomous Driving:A Survey]

🎈其他总结

🎈[CVPR2023、ICCV2023论文题目汇总及词频统计]

✨精品文章总结

[图像融合论文及代码整理最全大合集]
[图像融合常用数据集整理]

如有疑问可联系:420269520@qq.com;
码字不易,【关注,收藏,点赞】一键三连是我持续更新的动力,祝各位早发paper,顺利毕业~

  • 22
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
图像融合是指将多幅不同的图像或者同一场景的不同视角的图像融合成一幅具有更丰富信息的图像的过程。特征融合法是一种常用的图像融合方法,它通过将不同图像中的特征信息进行加权平均或者加权累加,得到最终的融合图像。 对于红外与可见光灰度图像的融合,可以按照以下步骤进行: 1. 对红外图像和可见光灰度图像进行预处理,使它们的分辨率和大小相同。 2. 提取红外图像和可见光灰度图像中的特征信息,比如边缘、纹理等。 3. 对提取的特征信息进行加权平均或者加权累加,得到融合后的特征图像。 4. 将融合后的特征图像与原始的红外图像和可见光灰度图像进行加权平均或者加权累加,得到最终的融合图像。 在 MATLAB 中,可以使用以下函数来实现图像融合: 1. imread:读取图像文件。 2. imresize:改变图像的大小。 3. edge:提取图像的边缘信息。 4. texturefilt:提取图像的纹理信息。 5. imfuse:将多幅图像进行融合。 以下是一个简单的 MATLAB 代码示例: ```matlab % 读取红外图像和可见光灰度图像 infrared = imread('infrared.jpg'); visible = imread('visible.jpg'); % 改变图像的大小 infrared = imresize(infrared, size(visible)); % 提取边缘信息 edge_infrared = edge(infrared, 'canny'); edge_visible = edge(visible, 'canny'); % 提取纹理信息 texture_infrared = texturefilt(infrared); texture_visible = texturefilt(visible); % 加权平均融合特征信息 feature = (0.5 * edge_infrared + 0.5 * edge_visible) + (0.5 * texture_infrared + 0.5 * texture_visible); % 加权平均融合原始图像 fusion = (0.5 * infrared + 0.5 * visible) + feature; % 显示融合结果 imshow(fusion); ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

图像强

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值