一种基于梯度残差网络的红外与可见光图像融合算法

摘要

针对现有红外与可见光图像融合算法在提取图像细粒度细节特征方面效果不佳的问题,提出一种梯度残差网络的红外与可见光图像融合算法.该算法以卷积神经网络为基本框架,设计一组梯度残差模块,该模块由主流部分和残差流部分组成,其中主流部分使用普通卷积操作提取图像浅层特征,残差流部分采用两种不同的梯度算子分别提取红外图像边缘信息和可见光图像细粒度细节特征.最后将主流与残差流的输出逐元素相加,用于整合深度特征和细节特征.实验结果表明,本文提出的方法在数据集NISD上的测试与现有的其他红外与可见光图像融合方法相比,具有更好的图像融合性能.