一种基于自编码器的红外与可见光图像融合算法制造技术

本发明专利技术公开了一种基于自编码器的红外与可见光图像融合算法，包括步骤如下：

【技术实现步骤摘要】
一种基于自编码器的红外与可见光图像融合算法


[0001]本专利技术涉及图像处理领域，尤其涉及一种基于自编码器的红外与可见光图像融合算法
。

技术介绍

[0002]红外图像的热辐射信息丰富，可以有效突出显著目标
、
抗干扰能力强，但存在对比度低
、
纹理细节差
、
视觉模糊等缺点
。
可见光图像包含丰富的结构信息，视觉效果较好，但易受天气
、
光照条件等因素的影响，抗干扰能力差
(
陈潮起
,
孟祥超
,
邵枫
,
符冉迪
.
一种基于多尺度低秩分解的红外与可见光图像融合方法
[J].
光学学报
,2020,40(11):72
‑
80)。
由于两种图像不同的特点，因此，将红外与可见光图像进行融合，充分利用其信息的互补性，有着广泛的应用价值
。
[0003]在过去几十年，红外与可见光图像融合技术不断发展，这些融合方法大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于自编码器的红外与可见光图像融合算法，其特征在于，包括步骤如下：
S1
，通过短跨层连接与
ECA
注意力机制相结合的方式，构建编码器网络；
S2
，将配准后的红外与可见光图像输入进编码器网络中，并对编码器和解码器网络进行训练，得到满足条件的编码器；
S3
，对输入的图像，通过构建的融合网络进行特征融合，并对融合网络进行训练，得到满足条件的融合网络；
S4
，将融合后的图像通过解码器进行解码重建图
。2.
根据权利要求1所述基于自编码器的红外与可见光图像融合算法，其特征在于，步骤
S1
中，所述编码器由卷积层和
ECA
注意力机制组成，在四个尺度上对输入图像进行特征提取；所述卷积层通过短跨层与
ECA
注意力机制连接
。3.
根据权利要求1所述基于自编码器的红外与可见光图像融合算法，其特征在于，步骤
S2
中，采用自动编码器损失函数
L
auto
来训练自动编码器网络，
L
auto
定义如下，
L
auto
＝
L
pixel
+
λ
L
ssim
其中，
L
pixel
表示输入图像与输出图像之间的像素损失，
L
ssim
表示输入图像与输出图像之间的结构相似性损失；
λ
是
L
pixel
和
L
ssim
两者之间的权衡参数；
L
pixel
损失计算表达式如下：其中，是
Frobenius
范数；
L
ssim
损失计算表达式如下：
L
ssim
＝1‑
SSIM(Output,Input)
其中，
SSIM(.)
是结构相似性度量
。4.
...

【专利技术属性】
技术研发人员：陈海秀，房威志，陆康，黄仔洁，陆成，闵译凡，陆赵远，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：