典型文献
基于深度学习的无监督红外图像与可见光图像融合算法
文献摘要：
卷积神经网络(CNN)由于出色的性能,被逐渐应用于图像融合领域.对于红外图像和可见光图像的融合任务而言,由于没有标签数据,对其进行无监督的学习建模具有重要意义.针对这个问题,提出了一种无监督的端到端的深度融合算法,该算法可以由输入的红外源图像和可见光源图像,直接预测出包含源图像显著信息的融合图像.所提算法构建了一个自编码网络,并使用真实的数据集进行训练.网络所用损失函数为广泛应用于图像融合任务的图像结构相似度量(SSIM).具体地说,设计了一种改进的无参考图像评价指标来计算损失函数,达到对网络进行无监督训练的目的 .此外,将注意力机制引入到模型中进一步提升了融合结果.将所提算法与多种融合算法进行了对比实验,实验结果表明,所提算法融合结果无论在主观评价还是客观指标评价方面都十分具有竞争力.
文献关键词：
图像处理;图像融合;红外图像;可见光图像;无监督学习;卷积神经网络;注意力机制
中图分类号：
作者姓名：
陈国洋;吴小俊;徐天阳
作者机构：
江南大学人工智能与计算机学院,江苏无锡214122;江南大学江苏省模式识别与计算智能工程实验室,江苏无锡214122
文献出处：
引用格式：
[1]陈国洋;吴小俊;徐天阳-.基于深度学习的无监督红外图像与可见光图像融合算法)[J].激光与光电子学进展,2022(04):143-152
A类：
B类：
红外图像,可见光图像,图像融合,融合算法,出色,合领,标签数据,模具,端到端,光源,直接预测,预测出,融合图像,自编码网络,损失函数,结构相似度,相似度量,SSIM,具体地说,无参考,参考图像,图像评价,无监督训练,注意力机制,算法融合,果无,主观评价,客观指标,指标评价,无监督学习
AB值：
0.342086
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。
