一种基于深度学习的图像融合方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于深度学习的图像融合方法，包括：对红外图像与可见光图像分别进行图像分解得到基础层图像和细节层图像，基础层图像包含源图像的背景信息，细节层图像包含源图像的边缘和目标信息；对基础层图像采用深度学习方法进行融合得到基础层融合图像，对细节层图像采用绝对值最大融合方法进行融合得到细节层融合图像；基于基础层融合图像和细节层融合图像进行图像重构得到初始融合图像；对初始融合图像进行画质增强处理，得到最终的融合图像；本发明专利技术能够对红外图像和可见光图像进行融合，并消除输出的融合图像的条纹网格噪声，提升输出融合图像的图像质量。

【技术实现步骤摘要】

本专利技术涉及图像数据处理，尤其涉及一种基于深度学习的图像融合方法。

技术介绍

1、红外传感器能够捕捉场景中的热目标信息，并将其信息显示在红外图像中，红外图像可以根据热辐射信息将目标与背景区域分开，但是图像缺少背景区域的细节信息，可见光图像可以提供具有人类视觉感知的大背景细节信息，但是抗干扰能力差，易受环境影响，图像融合的目的是整合来自同一目标场景的多个源图像，提取源图像中的显著特征生成最终的融合图像。

2、近年来，深度学习在许多图像处理任务中均能取得较好的性能效果，由于其良好的特征提取和表示能力而被广泛应用于图像融合领域中，学者通过设计网络损失函数，利用其约束条件在训练层通过自学习经过多次训练与优化，最终输出理想的结果，虽然这些方法都能取得很好的融合结果，但这些方法仍然有缺点：由于深度学习的方法属于一种无监督学习且缺少真实图像，有些网络只使用最后一层计算的结果，中间层获得的大量有用信息丢失，从而导致图像融合效果不佳。

技术实现思路

1、本专利技术的目的在于提供一种基于深度学习的图像融合方法，能够本文档来自技高网...

【技术保护点】

1.一种基于深度学习的图像融合方法，其特征在于，包括：

2.如权利要求1所述的一种基于深度学习的图像融合方法，其特征在于，

3.如权利要求2所述的一种基于深度学习的图像融合方法，其特征在于，

4.如权利要求3所述的一种基于深度学习的图像融合方法，其特征在于，

5.如权利要求1所述的一种基于深度学习的图像融合方法，其特征在于，

6.如权利要求5所述的一种基于深度学习的图像融合方法，其特征在于，

7.如权利要求6所述的一种基于深度学习的图像融合方法，其特征在于，

【技术特征摘要】

1.一种基于深度学习的图像融合方法，其特征在于，包括：

2.如权利要求1所述的一种基于深度学习的图像融合方法，其特征在于，

3.如权利要求2所述的一种基于深度学习的图像融合方法，其特征在于，

4.如权利要求3所述的一种基于深度学习的...

【专利技术属性】
技术研发人员：范长德，
申请(专利权)人：北华航天工业学院，
类型：发明
国别省市：