基于梯度转移和自编码器的红外与可见光图像融合

摘要

针对红外与可见光图像融合过程中图像特征提取不充分、易丢失中间层信息和训练时间长的问题，本文提出一种基于梯度转移结合自编码器的端到端轻量级图像融合网络结构。该网络结构由编码器、融合层和解码器三部分组成。首先，将Bottleneck块引入编码器当中，利用卷积层和Bottleneck块对输入的红外图像和可见光图像进行特征提取得到深度特征图，将梯度提取算子引入融合层，对获得的深度特征图进行处理获得对应的梯度图。其次，将每张深度特征图和对应的梯度图在融合层通过融合层策略对应融合，重新设计损失函数，将融合后的特征图和梯度图进行拼接并输入解码器进行解码重建出融合图像。最后，选取目前的代表性融合方法进行对比验证，在SF、MI、VIF、Qabf、SCD、AG、EN和SD 8个融合质量评估指标上，前七个指标性能提升显著，分别提高57.4%、54.6%、28.3%、74.2%、23.8%、43.1%、1.3%，第八个指标性能接近。并进行网络模型参数分析和时间复杂度对比实验，本文算法模型参数为12 352，算法用时为1.1246 s。实验结果表明：本文方法可以快速生成目标清晰、轮廓明显、纹理突出、符合人类视觉感受的融合图像。

关键词

计算机应用 / 机器视觉 / 红外图像 / 可见光图像 / 图像融合 / 梯度转移 / 自编码器