Infrared and visible image fusion via mutual information maximization

图像融合 人工智能 相互信息 计算机科学 融合 模式识别(心理学) 图像(数学) 图像质量 最大化 公制(单位) 相似性(几何) 忠诚 代表(政治) 计算机视觉 数学 数学优化 哲学 语言学 电信 运营管理 政治 政治学 法学 经济
作者
Aiqing Fang,Junsheng Wu,Ying Li,Ruimin Qiao
出处
期刊:Computer Vision and Image Understanding [Elsevier]
卷期号:231: 103683-103683 被引量:3
标识
DOI:10.1016/j.cviu.2023.103683
摘要

Traditional image fusion methods based on deep learning generally measure the similarity between the fusion results and the source images, ignoring the harmful information of source images. This paper presents a simple-yet-effective self-supervised image fusion optimization mechanism via directly maximizing the mutual information between the fused image and image samples, including positive and negative samples. The fusion optimization of positive samples has three steps, including visual fidelity item, quality perception item, and semantic perception item loss functions, aiming to reduce the distance between the fused representation and the real image quality. The fusion optimization of negative samples aims to enlarge the distance between the fusion results and the degraded image. Following InfoNCE, our framework is optimized via a surrogate contrastive loss, where the positive and negative selection underpins the real quality and visual fidelity information of fusion representation learning. Therefore, the stumbling blocks of deep learning in image fusion, i.e., similarity fusion optimization problems, are significantly mitigated. Extensive experiments demonstrate that fusion results neatly outperforms the state-of-the-art fusion optimization mechanisms in most metrics.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
奶盖四季春不加糖完成签到,获得积分10
5秒前
orixero应助Vinca采纳,获得10
6秒前
睡不醒的xx完成签到,获得积分10
6秒前
6秒前
欣慰的血茗完成签到,获得积分10
6秒前
科研通AI2S应助挽桑采纳,获得10
10秒前
12秒前
dddd发布了新的文献求助10
14秒前
caohuijun完成签到 ,获得积分10
15秒前
脑洞疼应助123456采纳,获得10
16秒前
17秒前
19秒前
20秒前
依依完成签到 ,获得积分10
24秒前
abc发布了新的文献求助200
25秒前
WRZ发布了新的文献求助10
25秒前
25秒前
干净秋双完成签到,获得积分20
31秒前
caohuijun发布了新的文献求助10
32秒前
默默曼冬完成签到,获得积分10
32秒前
Yolenders完成签到 ,获得积分10
34秒前
34秒前
端庄蜜粉发布了新的文献求助10
34秒前
小马甲应助熊亚丹采纳,获得10
34秒前
dddd完成签到,获得积分20
35秒前
金枪鱼历险记完成签到 ,获得积分10
35秒前
zbl完成签到,获得积分10
36秒前
38秒前
40秒前
41秒前
雪雪子发布了新的文献求助10
42秒前
小徐完成签到,获得积分20
43秒前
科研通AI2S应助活泼的乐枫采纳,获得10
43秒前
nan关闭了nan文献求助
46秒前
人间草木完成签到,获得积分10
48秒前
49秒前
49秒前
wangzhen完成签到 ,获得积分10
50秒前
小徐发布了新的文献求助20
50秒前
李纪磊完成签到,获得积分10
51秒前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
CLSI EP47 Evaluation of Reagent Carryover Effects on Test Results, 1st Edition 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 500
"Sixth plenary session of the Eighth Central Committee of the Communist Party of China" 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3055401
求助须知:如何正确求助?哪些是违规求助? 2712227
关于积分的说明 7430195
捐赠科研通 2357037
什么是DOI,文献DOI怎么找? 1248528
科研通“疑难数据库(出版商)”最低求助积分说明 606737
版权声明 596093