科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
