摘要：深度学习用于红外-可见光图像融合,若只提取深度特征而不进行特征处理,会导致在某些方面融合性能下降.针对这一问题,提出一种基于深度特征和零相位分量分析的融合框架.首先,将源图像分解成低频部分和高频部分;然后,利用显著性检测将低频子带部分融合.其次,使用残差网络提取高频子带的深度特征,通过零相位成分分析法和l1正则化对深度特征进行归一化处理,得到初始权重值,而最终权重值是与初始权重值相关联的Softmax得到的,利用最终权重值融合高频子带.最后,采用加权平均法重构融合后的图像.实验结果表明,与现有的融合方法相比,该算法在客观评价和视觉质量方面都取得了较好的效果.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社