SFDFusion：一种高效的红外与可见光图像空间-频率域融合网络

红外与可见光图像融合旨在利用两种模态的互补信息，生成具有显著目标和丰富纹理细节的融合图像。大多数现有算法仅在空间域对不同模态进行像素级或特征级融合。它们常常忽略频域信息，并且其中一些算法由于结构过于复杂而效率低下。为应对这些挑战，本文提出了一种高效的红外与可见光图像空间-频率域融合网络（SFDFusion）。首先，我们提出一个双模态细化模块（DMRM）来提取互补信息。该模块从红外和可见光模态中提取有用信息，并增强空间细节。接着，为了引入频域信息，我们构建了一个频域融合模块（FDFM），该模块通过快速傅里叶变换（FFT）将空间域转换到频域，然后整合频域信息。此外，我们设计了一个频域融合损失来指导融合过程。在公共数据集上的大量实验表明，我们的方法在多种融合指标和视觉效果上均具有显著优势。此外，我们的方法在图像融合和下游检测任务上表现出高效率，从而满足了高级视觉任务的实时性要求。