原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ComputerEngineeringandApplications计算机工程与应用2025，61（9）25
深度学习框架下的红外与可见光图像融合方法综述
+
李淑慧，蔡伟，王鑫，高蔚洁，狄星雨
火箭军工程大学兵器发射理论与技术国家重点学科实验室，西安710025
+通信作者E-mail：XHTU807@
摘要：红外与可见光图像融合（infraredandvisibleimagefusion，IVIF）将红外图像与可见光图像的互补信息融
合，提升图像质量以支持下游任务。鉴于深度学习在图像融合方面的优势，将其应用在IVIF领域已成为研究热点。
对深度学习框架下的红外与可见光图像融合方法进行梳理分析，根据不同的融合框架将融合方法分为基于自编码
器、卷积神经网络、生成对抗网络和变换器，并对比分析这四类方法的特点；综述了IVIF的主要应用领域、常用的6
个数据集和8个评价指标，并在典型数据集上对各类主流IVIF方法进行定性和定量评估。最后，总结了现有IVIF方
法的局限性，并展望了IVIF的未来研究方向。
关键词：深度学习；图像融合；红外图像；可见光图像
文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2410-0012
ReviewofInfraredandVisibleImageFusionMethodsinDeepLearningFrameworks
+
LIShuhui,CAIWei,WANGXin,GAOWeijie,DIXingyu
ArmamentLaunchTheoryandTechnologyKeyDisciplineLaboratoryofPRC,RocketForceUniversityofEngineering,
Xi’an710025,China
Abstract:Infraredandvisibleimagefusion（IVIF）fusescomplementaryinformationfrominfraredandvisibleimagesto
improveimagequalityandsupportdownstreamtasks.Duetotheadvantagesofdeeplearninginimagefusion,itsappli-
cationinIVIFfieldhasbecomearesearchhotspot.Theinfraredandvisibleimagefusionmethodsdeeplearning-based
aresummarizedandanalyzed.Accordingtodifferentfusionframeworks,thefusionmethodsaredividedintofourcatego-
ries:autoencoder-based,convolutionalneuralnetwork-based,generativeadversarialnetwork-basedandTransformer-based.
Moreover,thecharacteristicsofeachIVIFmethodsarecomparedandanalyzed.ThemainapplicationinIVIFfields,6
commondatasetsand8evaluationmetricsarereviewed,andqualitativeevaluationandquantitativeevaluationofvarious
mainstreamIVIFmethodsontypicaldatasetsarecarriedout.Finally,thelimitationsofexistingIVIFmethodsaresumma-
rized,andthefutureIVIF
文档评论（0）