基于卷积神经网络的红外与可见光图像融合

董安勇, 杜庆治, 苏斌, 赵文博, 于闻

董安勇, 杜庆治, 苏斌, 赵文博, 于闻. 基于卷积神经网络的红外与可见光图像融合[J]. 红外技术, 2020, 42(7): 660-669.
引用本文: 董安勇, 杜庆治, 苏斌, 赵文博, 于闻. 基于卷积神经网络的红外与可见光图像融合[J]. 红外技术, 2020, 42(7): 660-669.
DONG Anyong, DU Qingzhi, SU Bin, ZHAO Wenbo, YU Wen. Infrared and Visible Image Fusion Based on Convolutional Neural Network[J]. Infrared Technology , 2020, 42(7): 660-669.
Citation: DONG Anyong, DU Qingzhi, SU Bin, ZHAO Wenbo, YU Wen. Infrared and Visible Image Fusion Based on Convolutional Neural Network[J]. Infrared Technology , 2020, 42(7): 660-669.

基于卷积神经网络的红外与可见光图像融合

基金项目: 昆明市科技局科技成果推广应中及科技惠民计划项目(昆科计字2016-2-G-05372)
详细信息
  • 中图分类号: TP751.1

Infrared and Visible Image Fusion Based on Convolutional Neural Network

  • 摘要: 非下采样剪切波变换(NSST)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息.针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法.首先,使用孪生双通道卷积神经网络学习NSST域低频子带的特征来输出衡量子带空间细节信息的特征图.然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整NSST域低频子带的融合模式.最后,根据NSST域高频子带的方差、局部区域能量以及可见度特征来自适应地设置脉冲耦合神经网络参数完成NSST域高频子带的融合.实验结果表明:该算法QAB/F指标略弱于对比算法,但SF、SP、SSIM以及VIFF指标分别提高了约50.42%、14.25%、7.91%以及61.67%,有效地解决了低频子带融合模式给定的问题,同时又克服了手动设置PCNN参数的缺陷.
  • 期刊类型引用(1)

    1. 潘玉平. 建筑围护结构太阳辐射吸收系数对节能效果的影响研究. 福建建材. 2024(07): 103-106 . 百度学术

    其他类型引用(1)

计量
  • 文章访问数:  297
  • HTML全文浏览量:  40
  • PDF下载量:  33
  • 被引次数: 2
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭

    尊敬的专家、作者、读者:

    端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

    感谢您对本刊的支持!

    《红外技术》编辑部

    2024年6月6日