仪器仪表学报

作者：童小钟，赵宗庆，苏绍璟，左 震，孙 备

单位：童小钟,1.国防科技大学智能科学学院,,赵宗庆,1.国防科技大学智能科学学院,,苏绍璟,1.国防科技大学智能科学学院,,左 震,1.国防科技大学智能科学学院,,孙 备,1.国防科技大学智能科学学院,

关键词：可见光与红外图像;图像融合;知识蒸馏;自适应;无人机

基金：国家自然科学基金(52101377,62201598)、湖南省研究生科研创新项目(CX20220015)资助

可见光与红外图像融合旨在利用两种不同传感器之间有效的信息,通过互补的图像特征实现图像增强。然而,当前基于深度学习的融合方法倾向于优先考虑评价指标。模型的复杂性较高,权重参数较大,推理性能低,泛化性较差,不易部署到无人机载边缘计算端。为了应对这些挑战,本文提出了一种新颖的可见光与红外图像融合方法,即知识蒸馏的自适应DenseNet来学习预先存在的融合模型,通过使用超参数(例如宽度和深度)来实现融合效果和模型轻量化。本文提出的方法在典型地面目标数据集进行了评估,实验结果表明,该模型参数仅为77KB,推理时间为0.95ms,具有超轻量的网络结构,良好的图像融合效果和复杂场景下较强的泛化能力。

来源：2024年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第5期