基于多尺度卷积挤压激励网络的红外与可见光图像融合OA
针对传统红外与可见光图像融合方法存在部分深度细节特征丢失的问题,本文提出一种基于多尺度卷积挤压激励融合网络框架进行红外与可见光图像融合。首先,提出一种挤压激励残差密集块提取源图像的深度特征,能够充分利用各个卷积层实现特征的重用;然后,在融合层设计双通道多尺度卷积注意力融合层网络对源图像提取的特征进行融合,并基于该融合层网络的特点设计相应的损失函数;最后,设计与编码器匹配的解码器网络实现特征重构。在公开数据集上的实验结果表明,所提融合网络在主观和客观评价上与近年来典型相关方法比较具有更好的综合性能,能保留更多的深度细节特征。
邱国航;冯鑫;赵彬;胡开群
重庆工商大学机械工程学院智能装备绿色设计与制造重庆市重点实验室,重庆400067重庆工商大学机械工程学院智能装备绿色设计与制造重庆市重点实验室,重庆400067重庆工商大学机械工程学院智能装备绿色设计与制造重庆市重点实验室,重庆400067重庆工商大学机械工程学院智能装备绿色设计与制造重庆市重点实验室,重庆400067
信息技术与安全科学
图像融合自编码网络双通道多尺度融合挤压激励残差密集块
《红外技术》 2026 (7)
P.791-800,10
国家自然科学基金(22178036)重庆市自然科学基金(CSTB2022NSCQ-MSX0271、No.CXQT21024)。
评论