神经网络框架下的红外与可见光图像融合算法综述

发布时间：2022-11-12 08:05

　　图像融合是图像处理领域的重要分支。由于神经网络在图像特征提取和分类中优势显著,因此将神经网络技术应用于图像融合领域中也是近年来的研究热点。首先对基于浅层和深度神经网络的红外与可见光图像融合算法做出概述,并详细地介绍图像融合技术的研究进展,展示融合算法的研究成果。其次选取六种图像质量评价指标,对所述算法获得的融合图像进行客观评价,最后根据实验结果对未来的研究提出展望。 

【文章页数】：6 页

【文章目录】：
1 引言
2 图像融合方法
    2.1 脉冲耦合神经网络方法
    2.2 卷积稀疏表示方法
    2.3 卷积神经网络方法
    2.4 生成对抗网络方法
    2.5 其它框架方法
3 融合图像性能评价
4 实验结果与分析
5 结论和展望


【参考文献】：
期刊论文
[1]生成对抗残差网络的医学图像融合算法[J]. 高媛,吴帆,秦品乐,王丽芳.  计算机应用. 2019(12)
[2]基于生成对抗网络的多模态图像融合[J]. 杨晓莉,蔺素珍,禄晓飞,王丽芳,李大威,王斌.  激光与光电子学进展. 2019(16)
[3]基于张量分解和卷积稀疏表示的多曝光图像融合[J]. 戚余斌,郁梅,姜浩,邵华,蒋刚毅.  光电工程. 2019(01)
[4]基于卷积稀疏表示的红外与可见光图像融合[J]. 董安勇,苏斌,赵文博,杜庆治,彭艺.  激光与红外. 2018(12)
[5]融合图像质量评价指标的相关性分析及性能评估[J]. 张小利,李雄飞,李军.  自动化学报. 2014(02)



本文编号：3706006