基于改进生成对抗网络模型的红外与可见光图像融合
作者:王海宁; 廖育荣; 林存宝; 倪淑燕
更新时间:
为了增强融合图像的视觉效果,降低计算复杂度,解决传统红外和可见光图像融合算法中背景细节丢失的问题,提出了一种生成对抗网络框架下基于深度分离卷积的红外和可见光图像融合方法。首先,在生成器中对源图像进行深度卷积和点到点卷积,以获取源图像的特征映射信息。其次,通过前向传播更新网络参数,获得初步的单通道融合图像。第三,在红外和可见光鉴别器中,分别使用深度分离卷积来区分源图像和初步融合图像的像素。最后,在损失函数的约束下,双鉴别器继续向融合图像添加更多细节信息。实验结果表明,与传统融合算法相比,该方法的信息熵、平均梯度、空间频率、标准差、结构相似性损失和峰值信噪比等评价指标分别提高了1.63%、1.02%、3.54%、5.49%、1.05%和0.23%。在一定程度上提高了融合图像的质量,丰富了背景的细节信息。