计算机科学与探索

作者：王恩龙, 李嘉伟, 雷佳, 周士华

单位：1. 大连大学 先进设计与智能计算教育部重点实验室，辽宁 大连 1166222. 北京科技大学 计算机与通信工程学院，北京 100083

关键词：图像融合,红外可见光图像,深度学习

如何将多张图像中的互补信息保存到一张图像中用于全面表征场景是具有挑战性的课题。基于此课题，大量的图像融合方法被提出。红外可见光图像融合（IVIF）作为图像融合中一个重要分支，在语义分割、目标检测和军事侦察等实际领域都有着广泛的应用。近年来，深度学习技术引领了图像融合的发展方向，研究人员利用深度学习针对IVIF方向进行了探索。相关实验工作证明了应用深度学习方法来完成IVIF相较于传统方法有着显著优势。对基于深度学习的IVIF前沿算法进行了详细的分析论述。首先，从网络架构、方法创新以及局限性等方面报告了领域内的方法研究现状。其次，对IVIF方法中常用的数据集进行了简要介绍并给出了定量实验中常用评价指标的定义。对提到的一些具有代表性的方法进行了图像融合和语义分割的定性评估、定量评估实验以及融合效率分析实验来全方面地评估方法的性能。最后，给出了实验结论并对领域内未来可能的研究方向进行了展望。

来源：2024年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第4期