一种用于热图像到带标注热-光融合图像的深度学习新方法
计算机视觉与模式识别
2023-04-06 v1
摘要
热图像刻画物体的被动辐射并以灰度图像捕获它们。此类图像与光学彩色图像相比具有非常不同的数据分布。我们在此呈现一项给定热输入生成灰度热-光融合掩膜的工作。这是一项基于深度学习的开创性工作，因为据我们所知，不存在其他关于热-光灰度融合的工作。我们的方法也独树一帜，因为我们在此提出的深度学习方法在离散小波变换（DWT）域而非灰度级域上工作。作为该工作一部分，我们还基于现有热-视觉配对数据库提出一个新的独特数据库，用于获取热图像中感兴趣区域，包含5个不同类别数据上的感兴趣区域。最后，我们提出一种简单的低成本开销统计度量以识别融合图像中感兴趣区域，称之为融合区域（RoF）。在数据库上的实验显示出在识别融合图像中感兴趣区域方面的令人鼓舞结果。我们还表明它们以混合形式处理优于仅用热图像处理。
引用
@article{arxiv.2107.05942,
title = {A Novel Deep Learning Method for Thermal to Annotated Thermal-Optical Fused Images},
author = {Suranjan Goswami and Satish Kumar Singh and and Bidyut B. Chaudhuri},
journal= {arXiv preprint arXiv:2107.05942},
year = {2023}
}