韩 泽， 蔺素珍， 黄福升， 赵竞超， 刘 震

(中北大学 大数据学院， 山西 太原 030051)

0 引 言

多波段图像融合是当前高精度智能探测系统的关键技术之一. 现有的图像融合技术基于空域、 频域[1]、 混合域[2]或深度学习[3]， 可以将不同谱段， 不同模态的信息较好地综合到一幅灰度图像中用于后续的目标自动识别. 不过在重大探测中， 为更精准地识别目标和正确决策， 往往需要人在回路， 由于灰度图像用于人眼观察在信息分辨敏感程度、 真实感和舒适感方面存在不足， 所以， 目前在多波段图像自适应融合的同时对其彩色化具有广泛的需求.

现阶段将图像融合结果彩色化主要有3种方法：① 颜色迁移[4-5]： 该类方法通过匹配灰度图像与参考图像的颜色分布、 纹理等信息， 将参考图像的颜色迁移到融合结果中， 但需要依赖先验知识选择参考图像， 结果的好坏依赖于参考图像选择， 不利于工程化. ② 伪彩色融合[6-7]： 该类方法将输入图像组合转换到颜色空间内， 利用红外与可见光图像的差异信息构成各色度分量， 但图像的颜色往往不符合人眼的认知习惯， 会影响人观察时的舒适感. ③ 自动彩色化[8-10]： 新近有学者将深度学习应用于灰度图像的自动彩色化， 该类方法通过一种端到端的网络去学习彩色化模型， 使得网络输入灰度图像输出彩色化的结果， 相比于前两种方法， 该类方法颜色恢复更接近自然， 并且使用方便， 但该类方法当前多用于可见光图像处理， 并且需……