公开(公告)号：CN113762277B

公开(公告)日：2024-05-24

申请号：CN202111055699.8

申请日：2021-09-09

Applicant: 东北大学

Inventor： 彭玉怀 ,  王文茜 ,  郭钰 ,  王晨路 ,  吴菁晶

IPC: G06V10/30 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/088 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/094 ,  G06N3/098

Abstract: 本发明涉及一种基于Cascade‑GAN的多波段红外图像融合方法，首先，通过将采集到的包括短波、中波、长波在内的针对同一场景的多波段红外图像沿通道进行连接，得到的三通道图像作为级联生成对抗网络模型Cascade‑GAN的训练数据集，利用训练好的去噪生成对抗网络模型DnGAN生成去噪图像，提高图像信噪比；然后将去噪后的图像输入融合生成对抗网络FuGAN，通过该融合网络的生成器GFu与其判别器DFu之间的对抗博弈进行高质量图像融合；级联网络通过建立总损失函数，利用FuGAN输出结果指导DnGAN的训练，通过提高FuGAN的输出质量来改善DnGAN的融合效果，从而获得高质量融合图像。本发明与传统融合方法相比，基于深度学习的融合方法具有更高的鲁棒性，并且具有较佳的融合效果，能够充分改善融合精度。

公开(公告)号：CN113762277A

公开(公告)日：2021-12-07

申请号：CN202111055699.8

申请日：2021-09-09

Applicant: 东北大学

Inventor： 彭玉怀 ,  王文茜 ,  郭钰 ,  王晨路 ,  吴菁晶

IPC: G06K9/40 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于Cascade‑GAN的多波段红外图像融合方法，首先，通过将采集到的包括短波、中波、长波在内的针对同一场景的多波段红外图像沿通道进行连接，得到的三通道图像作为级联生成对抗网络模型Cascade‑GAN的训练数据集，利用训练好的去噪生成对抗网络模型DnGAN生成去噪图像，提高图像信噪比；然后将去噪后的图像输入融合生成对抗网络FuGAN，通过该融合网络的生成器GFu与其判别器DFu之间的对抗博弈进行高质量图像融合；级联网络通过建立总损失函数，利用FuGAN输出结果指导DnGAN的训练，通过提高FuGAN的输出质量来改善DnGAN的融合效果，从而获得高质量融合图像。本发明与传统融合方法相比，基于深度学习的融合方法具有更高的鲁棒性，并且具有较佳的融合效果，能够充分改善融合精度。