资料下载
×
利用FCN提取特征的红外与可见光图像融合方法
消耗积分:0 |
格式:rar |
大小:2.05 MB |
2021-03-30
分享资料个
基于深度学习的图像融合技术易丢失网络浅层特征信息，难以实现图像的精准识别。提出一种利用全卷积神经网络（FCN）提取特征的红外与可见光图像融合方法。采用非下采样剪切波变换（NSsT）对源图像进行多尺度和多方向分解，生成高频子带和低频子带图像，将高频子带输廴rCN模型提取多尺度特征，并生成高频子带特征映射图，使用最大加权平均算法完成高频子带的融合，同时釆用区域能量和融合策略融合低频子带，对融合后的高频子带和低频子带进行NSST逆变换，得到最终的融合图像。实验结果表明，与GFF、WLS和IFE等方法相比该方法融合图像的主观视觉效果和客观评价指标更好。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
