渐进式多尺度特征提取与融合的红外与可见光图像融合

摘要

针对融合图像中存在目标信息减弱、细节信息丢失的问题，本文提出一种渐进式多尺度特征提取与融合的红外与可见光图像融合算法。该方法构建了结构对称、参数独立的双分支生成网络，首先将原图像及其增强形式输入空洞卷积模块，从不同尺度提取上下文特征，以充分挖掘多尺度信息；其次，引入多注意力互补残差聚合模块，有效提升特征选择性，强化显著信息、抑制冗余特征，并通过渐进交互机制实现跨尺度融合与互补。在判别器设计上，采用双判别器结构，分别对红外与可见光图像分布建模，以减缓单一判别器在多模态对抗训练中产生的对比度偏移与细节削弱问题。实验结果表明，所提方法在多个主客观评估指标上优于现有主流算法，融合图像保留了更多的纹理细节，视觉效果更佳。

关键词

图像融合 / 空洞卷积 / 图像增强 / 注意力机制 / 双鉴别器