-
题名基于改进全卷积神经网络的红外与可见光图像融合方法
被引量：13
- 1
-
-
作者
冯玉芳
殷宏
卢厚清
程恺
曹林
刘满
-
机构
陆军工程大学研究生院
中国人民解放军
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第8期243-249,257,共8页
-
基金
国家自然科学基金(61806221)。
-
文摘
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。
-
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
-
Keywords
convolutional neural network(CNN)
Non-Subsampled Shearlet Transform(NSST)
fully convolutional neural network(fcn)model
multi-scale feature
feature mapping graph
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
