基于改进全卷积神经网络的红外与可见光图像融合方法

• 作者: 冯玉芳 刘满 卢厚清 曹林 殷宏 程恺
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 非下采样剪切波变换 全卷积神经网络模型 多尺度特征 特征映射图
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图形图像处理
• 页码范围: 243-249,257
• 页数: 8页
• 分类号: TP391
• 字数: 4966字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055034

摘要

基于深度学习的图像融合技术易丢失网络浅层特征信息,难以实现图像的精准识别.提出一种利用全卷积神经网络(FCN)提取特征的红外与可见光图像融合方法.采用非下采样剪切波变换(NSST)对源图像进行多尺度和多方向分解,生成高频子带和低频子带图像,将高频子带输入FCN模型提取多尺度特征,并生成高频子带特征映射图,使用最大加权平均算法完成高频子带的融合,同时采用区域能量和融合策略融合低频子带,对融合后的高频子带和低频子带进行NSST逆变换,得到最终的融合图像.实验结果表明,与GFF、WLS和IFE等方法相比,该方法融合图像的主观视觉效果和客观评价指标更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢厚清	陆军工程大学研究生院	5	2	1.0	1.0
2	程恺	陆军工程大学研究生院	6	6	1.0	2.0
3	殷宏	陆军工程大学研究生院	2	6	1.0	2.0
4	曹林	陆军工程大学研究生院	3	0	0.0	0.0
5	刘满	陆军工程大学研究生院	1	0	0.0	0.0