典型文献
基于注意力机制的可见光与红外图像融合算法研究
文献摘要：
传统的红外与可见光图像融合算法针对不同源图像不具备通用性,基于卷积神经网络(Convolutional neural network,CNN)深度学习算法改善了这一状况,它们主要是通过融合局部特征来进行图像融合,但未考虑图像中存在的长期依赖关系.为了解决上述问题,在对原始数据集扩增基础上,提出并设计了基于注意力机制可见光与红外图像融合模型,弥补了CNN模型不能提取全局上、下文信息的缺陷.融合模型的学习是通过一种新的两阶段训练策略来完成.首先,训练了一个自编码器用来提取多尺度下的深度特征;然后,构建了由卷积神经网络ResNet34和Transform-er组成的融合模块,成功地捕获局部和全局特征.本算法在三个公共基准数据集上的实验表明,不仅融合生成高质量图像并有效解决了算法繁杂问题,还提高了源图像对的空间分辨率和光谱保真度,这有利于融合目标跟踪的准确判断.
文献关键词：
图像融合;残差网络;注意力机制;融合跟踪;红外图像;可见光图像
中图分类号：
作者姓名：
徐志慧;汪国强
作者机构：
黑龙江大学 电子工程学院,哈尔滨150080
文献出处：
引用格式：
[1]徐志慧;汪国强-.基于注意力机制的可见光与红外图像融合算法研究)[J].黑龙江大学自然科学学报,2022(04):471-480
A类：
B类：
注意力机制,可见光与红外图像,融合算法,算法研究,红外与可见光图像融合,不同源,通用性,Convolutional,neural,network,深度学习算法,局部特征,依赖关系,原始数据,融合模型,两阶段训练,训练策略,自编码器,器用,深度特征,ResNet34,Transform,er,全局特征,基准数据集,质量图,繁杂,空间分辨率,保真度,目标跟踪,残差网络,融合跟踪
AB值：
0.341562
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。
