科研之友
微信
新浪微博
Facebook
分享链接
摘要
如何将多张图像中的互补信息保存到在一张图像中用于全面表征场景是具有挑战性的课题。基于此课题，大量的图像融合方法被提出。红外可见光图像融合(Infrared and visible image fusion， IVIF)作为图像融合中一个重要分支，在语义分割、目标检测和军事侦察等实际领域都有着广泛的应用。近年来，深度学习技术引领了图像融合的发展方向，研究人员利用深度学习针对IVIF方向进行了探索。相关实验工作证明了应用深度学习方法来完成IVIF相较于传统方法有着显著优势。本文对基于深度学习的IVIF前沿算法进行了详细的分析论述。首先，论文从网络架构、方法创新以及局限性等方面报告了领域内的方法研究现状。其次，文中对IVIF方法中常用的数据集进行了简要介绍并给出了定量实验中常用评价指标的定义。对文中提到的一些具有代表性的方法进行了图像融合和语义分割的定性评估、定量评估实验以及融合效率分析实验来全方面地评估方法的性能。最后，论文给出了实验结论并对领域内未来可能的研究方向进行了展望。
- 单位
