基于无监督深度学习的红外与可见光图像融合

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征，因此导致融合图像细节纹理不足。受残差网络和密集网络的启发，提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制，最大程度地保留每层的特征信息，局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外，为了更好地保留可见光图像中的细节纹理，引入了生成对抗网络对数据集进行无监督学习。主客观实验表明，该算法不仅获得了良好的视觉融合效果，融合图像具有更多的边缘纹理信息，在客观评价指标上对比现有优秀的算法也较大的提升。