DDFusion：面向稳健红外和可见图像融合的 Degradation-Decoupled Fusion 框架
计算机视觉与模式识别
2025-10-14 v2
摘要
传统的红外和可见图像融合(IVIF)方法常常假设高质量的输入，忽略了如低光照和噪声等现实降解，这限制了其实际应用。为此，我们提出了 Degradation-Decoupled Fusion(DDFusion) 框架，实现了降解解耦，并以统一方式联合建模降解抑制和图像融合。具体而言，Degradation-Decoupled Optimization Network(DDON) 执行降解特有的分解，以解耦 inter-degradation 和 degradation-information 成分，随后通过特定于成分的提取路径，对降解的抑制和对信息性特征的增强实现有效。Interactive Local-Global Fusion Network (ILGFN) 聚合来自多尺度路径的互补特征，缓解由于降解优化与图像融合之间的解耦导致的性能下降。广泛的实验表明，DDFusion 在干净和受损条件下均实现了优异的融合性能。我们的代码可在 https://github.com/Lmmh058/DDFusion 上获取。
引用
@article{arxiv.2504.10871,
title = {DDFusion:Degradation-Decoupled Fusion Framework for Robust Infrared and Visible Images Fusion},
author = {Tianpei Zhang and Jufeng Zhao and Yiming Zhu and Guangmang Cui and Yuxin Jing},
journal= {arXiv preprint arXiv:2504.10871},
year = {2025}
}