基于DPN深度学习网络的红外与可见光图像融合

• 作者: 宋建辉 周航 刘砚菊 崔洁
• 来源期刊: 沈阳理工大学学报
• 关键词: 图像融合 梯度 双路径网络 加权融合 正则化
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 自动化技术|Automation Technology
• 页码范围: 13-17,24
• 页数: 6页
• 分类号: TP751.2
• 语种: 中文
• DOI: 10.3969/j.issn.1003-1251.2020.05.003

摘要

为增加红外与可见光图像融合后的细节信息,减缓传统卷积神经网络梯度不断减少的问题,提出采用双路径网络DPN对红外与可见光图像进行融合.先将红外与可见光图像分解为低频与高频部分;然后利用加权融合方法对低频部分的红外与可见光图像进行融合,再使用DPN网络对两种图像的高频部分进行特征提取,对提取得到的特征层进行正则化、卷积运算,再经过最大选择策略得到图像的高频部分;最后将高频和低频图像进行重构,得到最终融合图像.研究结果表明,本文算法融合出的结果图在细节信息和清晰度上有明显增强.