盖 赟, 荆国栋

1(中国社会科学院大学 计算机教研部, 北京 102488)2(中国气象局气象干部培训学院, 北京 100081)

图像融合是将两幅或多幅图像中的重要信息合并为同一张图像的处理过程, 融合后的图像能够提供更多的场景信息, 这些信息对提高图像识别率和特征提取准确率都具有极大的推动作用.红外传感器和可见光传感器是两种最常用的传感器: 红外传感器通过检测目标的热辐射信息完成图像成像, 这种图像能在可视条件差的情况下仍能捕获目标的位置、轮廓等信息.但是红外图像的成像效果较差, 图像中的目标成像效果、且包含的噪声信息较多.可见光传感器通过收集物体反射的光线来完成图像成像工作, 这类图像能够捕捉目标物体丰富的细节信息.但是可见光图像在昏暗的条件下图像成像质量会大幅下降, 在光线条件特别差的情况下可能完全无法成像.如果能将两类图像中的重要信息融合在同一幅图像中, 一定可以提高图像的信息含量, 这对于提高图像的可用性具有极大的推动作用.

在过去的几十年里, 学者们在图像融合问题上做了大量的工作.现有的融合方法大致可以分为7类: 多尺度变换方法、稀疏表示方法、神经网络方法、子空间方法、显著性方法、融合模型法和深度学习方法.深度学习方法是近年来应用领域最广、效果最好的图像处理方法.随着研究的深入, 学者提出了VGG (Very Deep Convolution Network)[1]、AlextNet[2]、R-CNN(Region-CNN)[3]等高效而准确的经典学习……