红外与可见图像融合论文心得（一）--Deepfuse

1.deepfuse

本工作的贡献如下:•基于CNN的无监督图像融合算法，用于融合曝光堆叠静态图像对。
•一个新的基准数据集，可用于比较各种MEF方法。
•针对各种自然图像的7种最先进算法进行了广泛的实验评估和比较研究。

所提方法的总体方案如图所示。
 将输入的曝光堆栈转换为YCbCr颜色通道数据。利用CNN对输入图像的亮度通道进行融合。这是由于图像结构细节存在于亮度通道中，亮度变化在亮度通道中比在色度通道中更突出。该网络模型在像素级做图像融合。

所提出的图像融合网络架构如图所示。该结构由特征提取层、融合层和重构层三部分组成。

模型讲解：

将曝光不足和曝光过的图像(Y1和Y2)分别输入到单独的通道(通道1由C11和C21组成，通道2由C12和C22组成)。

第一层(C11和C12)包含5 × 5过滤器，用于提取边缘和角等低级特征。预融合通道权值相近，C11和C12 (C21和C22)权值相同。

这种架构的优点有三个方面:

首先，我们迫使网络学习输入对的相同特征。即F11和F21是相同的特征类型。因此，我们可以简单地通过融合层将各自的特征映射组合起来。也就是说，将图像1的第一个特征图(F11)和图像2的第一个特征图(F21)相加，并将此过程应用于剩余的特征图。此外，添加特征比其他组合特征的选择产生更好的性能(见表1)。

在特征添加中，来自两张图像的相似特征类型被融合在一起。可以选择连接特征，通过这样做，网络必须计算出合并它们的权重。在我们的实验中，我们观察到，通过增加训练迭代次数，增加C3后的过滤器和层数，特征拼接也可以达到类似的结果。这是可以理解的，因为网络需要更多的迭代来计算合适的融合权重。在这种绑定权重设置中，我们强制网络学习对亮度变化不改变的过滤器。这是通过可视化学习过滤器观察到的(见图8)。在捆绑权重的情况下，很少有高激活过滤器具有中心环绕接受野(通常在视网膜中观察到)。这些滤波器已经学会了从邻域中去除均值，从而有效地使特征亮度不变。其次，可学习滤波器的数量减少了一半。

第三，由于网络参数数量少，收敛速度快。通过合并层对C21和C22得到的特征进行融合。熔合层的结果再通过C3、C4和C5卷积恢复为Yfused

损失函数：

表示从输入图像对中在像素位置p处提取的图像patch，为同一位置p的CNN输出融合图像提取的patch。

其中为的平均值，为2范数。 

期望的对比值为：

期望的结果的结构：

将上述两式结合产生期望结果批次：

使用SSIM框架计算像素p的最终图像质量分数

其中为的协方差，是的协方差。

损失函数为

文中遵循Prabhakar等人[18]用于色度通道融合的程序。若x1和x2表示图像对任意像素位置的Cb(或Cr)通道值，则得到融合色度值

融合色度值是通过对两个色度值进行加权，再减去其本身的值得到的。选择的值为128。这种方法背后的直觉是给好的颜色分量更多的权重，而给饱和的颜色值更少的权重。将通道转换为RGB图像，得到最终结果。

阅读感悟：

1.利用相同的权重值的网络模型（C11,C12）(C21,C22)

2.添加特征比其他组合特征的选择产生更好的性能

3.融合方法，是将图像转换为YCbCr格式，然后在Y通道上做融合工作，融合成功后再转换为RGB格式，可能产生不存在的像素值（不好的地方）。

原文地址：DenseFuse: A Fusion Approach to Infrared and Visible Images | IEEE Journals & Magazine | IEEE Xplore