文章摘要:为提升光学图像在低照度条件下的可用性，对红外图像与可见光图像进行融合从而结合两者的优势是一种有效的技术手段。稀疏表示理论在红外与可见光图像融合领域已经得到了广泛的应用，然而基于稀疏表示理论的图像融合方法所采用的局部建模方式易于导致语义信息损失和对误匹配的低容忍度两大缺陷。卷积稀疏表示的全局建模能力对克服上述不足具有巨大的优势，本研究借鉴卷积神经网络的结构设计了一种前馈式基于多层卷积稀疏表示的红外与可见光图像融合网络，该网络包含五层：第1，2层为卷积稀疏层，通过预训练的字典滤波器获取源图像的卷积稀疏响应；第3层为融合层，通过活性图评价以获取融合结果；第4，5层为重建层，基于融合结果结合字典滤波器重建融合图像。实验结果表明，所提出的图像融合方法有效抑制了稀疏表示理论应用于图像融合的两大不足，在客观评价指标方面明显优于基于稀疏表示、基于单层卷积稀疏表示和基于卷积神经网络的图像融合算法，在算法的计算复杂度和运行时间方面优于基于稀疏表示和基于卷积神经网络的图像融合算法。

文章关键词:

项目基金: