基于深度学习的红外和可见光图像融合

摘要

近年来,深度学习已经成为一种非常流行的研究工具,在许多图像处理领域得到了应用。本文提出了一种有效的图像融合方法。首先,将红外图像运用中值滤波去除噪声,然后将源图像分解为基础部分和细节部分。然后进行融合。对于细节部分,使用深度学习网络提取多层特征。利用这些特征,使用l1范数和加权平均策略来生成融合细节部分的多个候选。得到这些候选后,用最大选择策略来得到最终融合的细节部分。最后,融合后的图像将通过融合基础部分和细节部分进行重构。实验结果表明,本文的方法在客观指标评价和视觉感官两方面都达到了较好性能。