红外和可见图像融合算法基于梯度注意力残留物密集块的图像融合算法

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 红外和可见图像的融合旨在结合热和视觉数据.
• 现有的方法往往忽略了注意力机制,导致可见纹理信息的丢失.
• 需要融合方法来保存这两种模式的细节.

研究的目的:

• 提出一种新的红外和可见图像融合方法.
• 为了增强重要特征的提取和图像细节的保留.
• 通过保留纹理信息来提高合图像的质量.

主要方法:

• 开发了一种新型的注意力梯度残留密集块,集成挤压激发网络.
• 引入了一个特征渐变注意模块,以改善细节保留.
• 在聚变层中采用适应式加权能量注意网络,以增强细节的保存.

主要成果:

• 拟议的方法在多个评估指标的TNO数据集上显示出卓越的性能.
• 在平均梯度 (AG),信息 (EN),空间频率 (SF),相互信息 (MI) 和标准偏差 (SD) 中取得了显著的改进.
• 在所有测试的指标中表现明显优于五种常见的聚变方法.

结论:

• 拟议的密度梯度注意力残留方法对红外和可见图像融合有效.
• 该方法在保护红外目标和可见光纹理信息方面都表现出色.
• 该方法为现有的融合技术提供了优质的替代方案,得到了广泛的实验结果的验证.