科研之友
微信
新浪微博
Facebook
分享链接
摘要
普通神经网络难以生成符合人眼视觉的红外光与可见光融合图像，且网络模型复杂、占用内存过大。本文改进现有的生成对抗网络（GAN）框架。首先，在生成器中融入深度卷积和逐点卷积，设计小卷积核的卷积网络以减少网络参数。其次，对源图像进行掩膜处理以减少提取特征过程中源图像信息的丢失，然后将处理后的图像和生成器得到的融合图像共同输入到鉴别器中，以增强网络对可见光图像保留源图像信息的能力。最后在性能评价阶段，将损失函数设置为梯度损失、对抗损失和内容损失函数，以约束融合图像更多的包含可见光图像的背景信息以及红外光图像的目标信息。在TNO数据集上进行仿真实验的结果表明本文算法在降低网络复杂度、减少运算参数的同时得到细节丰富、目标明确的融合图像。
- 单位
