【技术实现步骤摘要】
一种基于SE
‑
Block注意力机制的红外和可见光图像融合方法
[0001]本专利技术涉及计算机视觉
,尤其是一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法。
技术介绍
[0002]红外和可见光图像融合是将红外图像和可见光图像融合成一幅图像的过程,以便获得更加清晰、全面和详细的图像信息。近年来,红外图像与可见光图像融合技术备受关注,因为它们有着互补的优点。红外图像可以探测目标的热能辐射,具有穿透能力强、全天候工作、探测隐蔽目标等优点,但其对比度低、边缘细节表现差。可见光图像则利用光谱信息进行成像,有着清晰的场景细节和动态范围大的优点,但在夜间或能见度低的情况下表现较差。因此,将红外热图像与可见光图像融合可以提高成像质量和探测能力。在某些应用中,如军事、监控、环境监测等领域,红外图像和可见光图像都具有独特的优势,因此将它们融合成一幅图像可以更好地满足应用需求。
[0003]常见的红外和可见光图像融合技术包括:(1)基于像素的融合方法:该方法将红外图像和可见光图像像素级别上进行融合,通过权重分配或其他算法将两幅图像的像素进行组合。这种方法简单易行,但在处理细节和边缘处的信息时效果可能不佳。(2)基于特征的融合方法:该方法通过对两幅图像进行特征提取和匹配来实现融合。常用的特征包括纹理、形状和边缘等。这种方法在处理细节和边缘处的信息时有更好的效果,但计算量较大。(3)基于深度学习的融合方法:该方法利用卷积神经网络等深度学习算法来自动学习红外图像和可见光图像之 ...
【技术保护点】
【技术特征摘要】
1.一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法,其特征在于,所述方法由计算机执行,包括以下步骤:S1、构建红外和可见光图像融合网络模型;S2、将红外和可见光图像分别输入到图像融合网络中,使用四个卷积层分别提取红外和可见光图像特征;S3、融合从两条路径中提取到的红外和可见光图像特征;S4、通过SE
‑
Block注意力机制,将不同的特征图按照其重要性进行加权融合,得到融合图像;S5、将生成的融合图像送入到图像分解网络当中。通过SE
‑
Block注意力机制,提取图像的重要特征;S6、图像分解网络中的两个分支对特征图进行分解,生成对应的红外和可见光图像;S7、构建原始输入图像、生成的融合图像、可见光和红外图像之间的损失函数,提高融合效果和分解精度。2.如权利要求1所述的一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法,其特征在于,S1的具体实现过程如下:S101、该网络主要由两个部分组成,分别为图像融合网络、图像分解网络;S102、图像融合网络使用密集连接方式,每一层的输出都与后面所有层的输入直接相连,从而将前面层的信息直接注入到后面层中,增加信息的多样性和丰富性,提高模型的表达能力和泛化性能;S103、图像分解网络包含一个公共卷积层和SE
‑
Block注意力机制,通过两个分支对图像进行分解。3.如权利要求1所述的一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法,其特征在于,S2的具体实现过程如下:S201、特征图的获取是在将红外和可见光图像输入图像融合网络的开始阶段,通过一些卷积和激活函数等过滤器的输出激活。4.如权利要求1所述的一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法,其特征在于,S3的具体实现过程如下:S301、使用四个卷积层进行特征提取。第一层使用5
×
5卷积核,后三层使用3
×
3卷积核,每个卷积层后均使用Leaky ReLU激活函数;S302、使用级联和卷积策略来融合两条路径中提取到的图像特征,将多个卷积层级联在一起来增加网络的深度和感受野,从而提高网络对图像的理解能力和特征提取能力。5.如权利要求1所述的一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法,其特征在于,S4的具体实现如下:S401、自适应地学习每个通道的权重,实现对图像中不同通道的特征进行自适应加权。6.如权利要求1所述的一种基于SE
‑
Block注意力机制的红外和可见光图像融合的方法,其特征在于,S5的具体实现过程如下:S501、通过图像融合网络生成的融合图像经过公共卷积层和SE
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。