アルゴリズムアンローリングによる効率的でモデルベースの赤外線および可視画像融合【JST・京大機械翻訳】

Zhao Zixiang; Xu Shuang; Zhang Jiangshe; Liang Chengyang; Zhang Chunxia; Liu Junmin

プレプリント

J-GLOBAL ID：202202214452908594 整理番号：21P0031794

アルゴリズムアンローリングによる効率的でモデルベースの赤外線および可視画像融合【JST・京大機械翻訳】

Efficient and Model-Based Infrared and Visible Image Fusion Via Algorithm Unrolling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年05月12日プレプリントサーバーでの情報更新日： 2021年04月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

赤外および可視画像融合(IVIF)は,可視画像から赤外線画像およびテクスチャ詳細から熱放射情報を保持する画像を得ることを期待する。本論文では,従来のCNNベースIVIFモデルの短所を克服するために,アルゴリズム非回転画像融合(AUIF)と呼ばれるモデルベース畳込みニューラルネットワーク(CNN)モデルを提案した。提案したAUIFモデルは,2つの伝統的最適化モデルの反復公式から始まり,それは,2スケール分解,すなわち,ソース画像から低周波ベース情報と高周波詳細情報を分離するために確立された。次に,各反復をCNN層に写像し,各最適化モデルを訓練可能なニューラルネットワークに変換する。一般的ネットワークアーキテクチャと比較して,提案フレームワークは,モデルベースの事前情報を結合して,より合理的に設計した。非回転操作の後,著者らのモデルは2つの分解者(エンコーダ)と追加の再構成器(デコーダ)を含んでいる。訓練段階において,このネットワークを訓練して入力画像を再構成した。テストフェーズにおいて,赤外線/可視画像のベース(または詳細)分解特徴マップを,余分な融合層によってそれぞれ併合して,次に,この復号器は融合画像を出力した。定性的および定量的比較は,著者らのモデルの優位性を実証し,それは,最先端の方法を超える,ハイライトターゲットおよび可読性の詳細を含む融合画像をロバストに生成することができた。さらに,著者らのネットワークはより少ない重みとより速い速度を有した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , ,

前のページに戻る