基于卷积神经网络与视觉显著性的图像融合

• 作者: 刘坤 程永翔 贺钰博
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 卷积神经网络 显著性提取 图像融合 红外光图像 可见光图像
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 225-230
• 页数: 6页
• 分类号: TP391.4
• 字数: 4549字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.038

摘要

传统的红外与可见光图像融合方法,多数需要手动提取特征且特征提取单一.而深度学习可以自动选择图像特征,改善特征提取的单一性,因此提出一种基于卷积神经网络与视觉显著性的红外和可见光图像融合方法.利用卷积神经网络获得红外目标与背景的二分类图;利用条件随机场对分类图进行精分割得到显著性目标提取图;采用非下采样轮廓波变换并结合目标提取图,得到融合图像.实验结果表明,该方法在主观视觉和客观评价方面均优于传统非智能方法,并且5个客观评价指标(边缘信息保留量,结构相似度,互信息,信息熵和标准差)均有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘坤	上海海事大学信息工程学院	23	86	6.0	9.0
2	程永翔	上海海事大学信息工程学院	2	2	1.0	1.0
3	贺钰博	上海海事大学信息工程学院	1	0	0.0	0.0