【技术实现步骤摘要】
本专利技术涉及基于融合-语义特征分类器的红外与可见光图像融合方法，属于图像融合。
技术介绍
1、在不同的成像原理下，红外和可见光传感器获得的图像存在巨大差异。红外光传感器利用物体的热辐射成像，几乎不受光照强度限制，即使在弱光条件下也能够清晰地突出目标物体，但缺乏纹理细节信息。可见光传感器则基于物体的反射光成像，容易受光照强度的影响，但在充足光照条件下能够获取丰富的纹理细节图像。鉴于红外和可见光图像的互补性，红外与可见光图像融合的目标在于整合二者的互补信息，以获得一幅丰富空间纹理细节并突出目标物体的图像，以便于人类视觉识别，并更好地支持下游的高级视觉任务，如语义分割、目标检测和目标跟踪。然而，现有的大多数红外与可见光融合方法仅关注于图像融合的视觉效果，忽略了对下游任务的支持。为了更好地服务于下游任务，一些方法简单地将高级任务网络与融合网络机械地串联起来，以获取包含丰富融合信息和语义信息的特征进行重建。然而，这些方法的融合性能受到所使用的高级任务网络的限制。为了更灵活地获取包含丰富融合信息和语义信息的特征用于重建，提出了一种基于融合-语义特...
【技术保护点】
1.基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于：所述方法的具体步骤如下：
2.根据权利要求1所述的基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于，所述步骤1中，获取训练数据集，训练数据集中的每个图像组，都由一幅红外图像、一幅可见光图像以及对应的语义分割标签构成；其中，语义分割标签的分类数为9。
3.根据权利要求1所述的基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于，所述步骤2中，将训练数据集中的所有图像尺寸统一为256×256，然后对数据进行随机反转和随机旋转，对处理之后的图像进行归一化。p>
4.根据权...
【技术特征摘要】
1.基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于：所述方法的具体步骤如下：
2.根据权利要求1所述的基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于，所述步骤1中，获取训练数据集，训练数据集中的每个图像组，都由一幅红外图像、一幅可见光图像以及对应的语义分割标签构成；其中，语义分割标签的分类数为9。
3.根据权利要求1所述的基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于，所述步骤2中，将训练数据集中的所有图像尺寸统一为256×256，然后对数据进行随机反转和随机旋转，对处理之后的图像进行归一化。
4.根据权利要求1所述的基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于，所述步骤3中，融合特征获取的具体操作如下:
5.根据权利要求1所述的基于融合-语义特征分类器的红外与可见光图像融合方法，其特征在于，所述步骤4中，计算融合损失，优化网络参数；融合损失由纹理细节损失和内容损失组成，定义为：
6.根据权利要求...
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。