HDDGAN:用于红外和可见光图像融合的异构双辨别生成对抗网络
原文中文,约200字,阅读约需1分钟。发表于: 。通过引入新型异构双鉴别生成对抗网络(HDDGAN),本研究旨在解决红外与可见光图像融合过程中捕捉热区域信息和纹理细节的挑战。通过多尺度连接结构和注意力机制,HDDGAN 能够从不同源图像中提取重要特征,并实现信息融合结果的更好信息表示。通过在各种公共数据集上进行广泛实验,证明了 HDDGAN 相较于其他现有算法的优越性能,展示其在实际应用中的潜力增强。
AMFusionNet是一种创新的红外和可见图像融合方法,通过多个卷积核和注意力机制,生成丰富信息的图像。实验证明,AMFusionNet在质量和数量上优于现有算法,并在公开可用数据集上显示了显著的改进。