基于深度学习的红外可见光图像融合综述

作     者：王恩龙 李嘉伟 雷佳 周士华 WANG Enlong;LI Jiawei;LEI Jia;ZHOU Shihua

作者机构：大连大学先进设计与智能计算教育部重点实验室辽宁大连116622 北京科技大学计算机与通信工程学院北京100083 

基　　金：高等学校学科创新引智计划(D23006) 国家自然科学基金(62272079,61972266) 辽宁省振兴人才计划项目(XLYC2008017) 辽宁省自然科学基金(2021-MS-344,2021-KF-11-03,2022-KF-12-14) 辽宁省研究生教育教学改革研究资助项目(LNYJG2022493) 大连市优秀青年科技人才支持计划(2022RJ08) 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年第18卷第4期

页      码：899-915页

摘      要：如何将多张图像中的互补信息保存到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(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。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,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,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,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。

主 题 词：图像融合 红外可见光图像 深度学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1673-9418.2306061

馆 藏 号：203127203...