向上生长的程序媛的博客

红外和可见光图像融合旨在合成单个融合图像，即使在极端照明条件下，也能包含突出的目标和丰富的纹理细节。然而，现有的图像融合算法未能在建模过程中考虑照明因子。在本文中，我们提出了一种基于照明感知的渐进式图像融合网络，称为 PIAFusion，它可以自适应地保持突出目标的强度分布，并在背景中保留纹理信息。具体来说，我们设计了一个照明感知子网络来估计照明分布并计算照明概率。此外，我们利用照明概率构建照明感知损失来指导融合网络的训练。跨模态差分感知融合模块和中途融合策略。

红外小目标检测是一项重要的计算机视觉任务，涉及对红外图像中微小物体的识别和定位，这些图像通常仅包含几个像素。然而，由于物体的体积很小，而且红外图像中的背景通常很复杂，因此遇到了困难。在本文中，我们提出了一种深度学习方法 HCF-Net，该方法通过多个实用模块显著提高了红外小目标检测性能。具体来说，它包括并行补丁感知注意力（PPA） 模块、维度感知选择性集成（DASI） 模块和多扩张通道精简器（MDCR） 模块。PPA 模块使用多分支特征提取策略来捕获不同尺度和级别的特征信息。DASI 模块。