典型文献
基于相邻特征融合的红外与可见光图像自适应融合网络
文献摘要：
为了获得目标边缘清晰且细节丰富的红外与可见光融合图像,以前馈去噪卷积神经网络(Denoising Conv-olutional Neural Network,DnCNN)的骨干网络为基础,从网络架构和损失函数两方面对其进行全面改进,提出基于相邻特征融合的红外与可见光图像自适应融合网络(Adjacent Feature Combination Based Adaptive Fusion Network,AFCAFNet).具体地,采取扩大通道数及双分支特征交换机制策略将DnCNN前段若干相邻卷积层的特征通道进行充分交叉与融合,增强特征信息的提取与传递能力.同时,取消网络中所有的批量归一化层,提高计算效率,并将原修正线性激活层替换为带泄露线性激活层,改善梯度消失问题.为了更好地适应各种不同场景内容图像的融合,基于VGG16图像分类模型,分别提取红外图像和可见光图像梯度化特征响应值,经过归一化处理后,分别作为红外图像和可见光图像参与构建均方误差、结构化相似度和总变分三种类型损失函数的加权系数.在基准测试数据库上的实验表明,AFCAFNet在主客观评价上均具有一定优势.在各项客观评价指标中综合性能较优,在主观视觉效果上,在特定目标边缘上较清晰、纹理细节也较丰富,符合人眼视觉感知特点.
文献关键词：
红外图像;可见光图像;图像融合;相邻特征融合;自适应权重
中图分类号：
作者姓名：
徐少平;陈晓军;罗洁;程晓慧;肖楠
作者机构：
南昌大学数学与计算机学院 南昌330031;南昌大学附属感染病医院 南昌330006
文献出处：
引用格式：
[1]徐少平;陈晓军;罗洁;程晓慧;肖楠-.基于相邻特征融合的红外与可见光图像自适应融合网络)[J].模式识别与人工智能,2022(12):1089-1100
A类：
相邻特征融合,AFCAFNet
B类：
红外与可见光图像,自适应融合网络,融合图像,前馈,去噪卷积神经网络,Denoising,Conv,olutional,Neural,Network,DnCNN,骨干网络,网络架构,损失函数,Adjacent,Feature,Combination,Based,Adaptive,Fusion,大通道,通道数,双分支,交换机,机制策略,前段,卷积层,交叉与融合,特征信息,批量归一化,高计算效率,正线,层替换,梯度消失,同场,场景内容,VGG16,图像分类,分类模型,红外图像,图像梯度,响应值,归一化处理,均方误差,结构化相似,三种类型,加权系数,基准测试,测试数据,主客观评价,客观评价指标,视觉效果,特定目标,人眼,视觉感知,感知特点,图像融合,自适应权重
AB值：
0.413342
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
