脉冲耦合双对抗学习网络的红外与可见光图像融合
摘要
针对目前红外与可见光图像融合中互补信息提取和融合不充分的问题，提出了脉冲耦合双对抗学习网络。该网络采用双判别器分别关注融合图像中的红外目标与可见光纹理细节，以保持和增强其模态特征。此外，提出了结合学习机制的脉冲耦合神经网络，有效提取图像的显著特征和细节信息。最后，在融合阶段构造了交叉注意力引导的跨模态融合模块，进一步优化模态间的互补信息，减少冗余特征。与9种具有代表性的融合方法在TNO、 M3FD和RoadScene数据集上进行定性和定量比较，所提方法在互信息和差异相关性总和等评价指标上表现更佳，所生成的融合图像对比度高，细节信息丰富，且在目标检测任务取得了更好的效果。
引用本文（GB/T 7714）
赵佳 Zhao Jia, 辛月兰 Xin Yuelan, 刘冀钊 Liu Jizhao, 等. 脉冲耦合双对抗学习网络的红外与可见光图像融合[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。