摘要

本发明公开了一种基于可学习低秩表示的红外偏振图像融合增强方法,其步骤包括:1、采集不同方向的红外偏振图像,计算Stokes矢量;2、构建基于可学习低秩表示的红外偏振图像融合网络;3、对融合后的红外偏振图像进行编解码重构,并获取引导滤波后的偏振图像;4、建立输入的红外偏振图像与融合图像之间的损失函数;5、用红外偏振图像对该网络进行训练,并用训练后的模型对待处理的红外偏振图像进行融合增强。本发明通过构建端到端的深度学习网络来实现红外偏振图像的低秩特征表示,能有效提取偏振图像中的显著性目标信息,并降低网络模型参数,同时,设计了基于偏振特征重构的融合损失函数,可以抑制红外偏振图像背景噪声干扰。