基于梯度残差密集块和注意力混洗的红外与可见光图像融合

针对当前基于深度学习的红外和可见光图像融合存在提取细粒度细节信息不足、深层特征利用困难的问题,提出了一种基于梯度残差密集块和注意力混洗机制的红外与可见光融合方法。该方法在编码器中加入梯度残差密集块和注意力混洗模块,提升自编码器对图像细粒度细节信息和深层全局特征的提取能力并抑制噪声。在与其他方法的对比实验中,本方法在主观评价上具有良好的细节纹理和全局层次,并可以很好地融合红外与可见光源图像的有效特征;在客观评价上,本算法在标准差、峰值信噪比、视觉保真度、基于边缘信息的指标和小波特征互信息五项取得最优值,分别为76.9275、16.7755、0.8767、0.5141、0.4313。