基于深度学习的可见光与红外图像融合方法研究

摘要

为提高可见光与红外图像融合的性能，以SwinFusion模型作为主干网络进行改进研究。首先，将一种表示学习引导的红外与可见光图像融合网络(LRRNet)中基于低秩和稀疏表示的模块引入模型的浅层与深层特征提取之间，以增强多尺度特征的表达能力；其次，将SwinFuse中基于L1范数的容和策略引入主干网络的特征融合部分，以优化多模态信息的整合。仿真实验结果表明改进后的模型能准确捕捉各自模态的特征分布，验证了所提方法的有效性。

关键词

可见光与红外图像融合 / 深度学习 / 特征融合