基于纹理轮廓变换的红外与可见光图像融合

为更好地提取红外图像的轮廓结构特征和可见光图像的细节纹理特征,提出了一种基于交换特征的融合方法,利用残差网络提取图像特征。网络基于有标签数据集,在深度卷积生成对抗网络中引入纹理和梯度损失函数,以端到端的方式训练,避免繁琐的手工设计融合规则,最终的融合结果可以较好地保留红外图像的目标特征和可见光图像的纹理特征,在TNO数据集上与主流的IFCNN,FusionGAN等红外与可见光图像融合方法对比,通过主观和客观的图像质量评价证明了方法的有效性。