基于编码器-解码器网络的可见与红外图像融合
计算机视觉与模式识别
2024-12-12 v1 机器学习
图像与视频处理
摘要
多光谱图像融合的目的是将具有不同光谱特征的图像对象或场景特征组合起来，以提高感知质量。本文提出了一种新颖的基于学习的解决方案，专注于红外和可见光谱图像的图像融合。 proposed solution利用卷积和池化层，以及不使用参考质量指标的损失函数。该分析在各种数据集上以定性和定量方式进行。结果显示优于最先进的方法。此外，网络的大小使其能够在嵌入式设备上实现实时性能。项目代码可在\url{https://github.com/ferhatcan/pyFusionSR}找到。
引用
@article{arxiv.2412.08073,
title = {Visible and Infrared Image Fusion Using Encoder-Decoder Network},
author = {Ferhat Can Ataman and Gözde Bozdaği Akar},
journal= {arXiv preprint arXiv:2412.08073},
year = {2024}
}
备注
5 pages, published at ICIP 2021