摘要
针对当前红外与可见光图像融合算法中存在目标特征不够突出,纹理细节信息丢失、部分图片亮度不足以及视觉感受较差等问题,提出了一种基于动态多分支及改进增强网络结构的红外与可见光图像融合算法。首先利用两阶段增强网络(TWSE)对两图像的特征进行提取,其次动态选择网络(DMBN)根据其图像在像素级的权重,自动对提取的特征选择合适的网络,最后通过特征重建网络(FRN)将融合图像输出。为了使融合图像保留更多的细节信息,还引入了高级别的语义信息。为了解决夜间图像亮度不足的问题,设计了新型自适应场景的损失函数。与其他七种算法在其对比实验和泛化实验表明,本文算法在多项核心评估指标取得领先。具体而言,在MSRS数据集上,其标准差(SD)、平均梯度(AG)和空间频率(SF)分别达到65.97、5.64和15.65;在LLVIP数据集上,其视觉保真度(VIF)、平均梯度(AG)和空间频率(SF)分别达到了1.24、6.70和20.34;显著优于其他七种算法。尽管在部分数据集的结构相似性(Qabf)指标上略有取舍,但充分的定性对比表明,本文算法能够生成纹理细节更清晰、亮度适合和视觉感受更好的融合图像。
出处
《电子制作》
2026年第3期41-47,共7页
Practical Electronics
