图像融合深度学习 赋能智能视觉感知——《图像融合的深度学习方法》正式出版

图像融合，即整合多幅源图像包含的重要/互补信息，生成单幅更加全面且准确描述场景内容的融合图像，是视觉感知研究领域中一项至关重要的基础工作，也为实现精准智能感知奠定了重要的基础。图像融合本质上是信息的筛选优化问题，源图像对的复杂退化及视差、多类型图像的显著模态差异、融合目标的主观性，通常造成融合图像的信息量及图像质量大幅下降，严重制约了其实际应用落地。因此，研究宽应用高效用的图像融合算法具有重要的理论意义和实用价值。

学术价值

为解决图像融合的深度学习方法中的主要技术难点， 本书对多模态图像融合、数字摄影图像融合、遥感图像融合、通用图像融合及兼顾图像配准与高级语义的图像融合等问题进行深入探讨，介绍一系列基于深度学习的图像融合方法，挖掘多种图像融合任务的特点及共性，探索图像融合技术在下游视觉任务中的重要作用，并从理论创新和实验验证上对所介绍方法进行充分的分析与性能评估。

章节简介

第1 章首先对图像融合问题进行描述和定义，依据成像设备的差异和任务特性介绍图像融合的分类，并给出三类典型的基于深度学习的图像融合框架。其次，对各类图像融合任务中常用的数据集与评估指标进行详细介绍，为后续的研究奠定基础。

第2 章介绍两种多模态图像融合方法，包括基于生成对抗网络的红外和可见光图像融合（FusionGAN）方法和基于无监督信息保留增强的医学图像融合（EMFusion）方法。

第3 章介绍数字摄影图像融合方法，并针对多聚焦图像融合、多曝光图像融合任务分别介绍基于生成对抗网络与自适应梯度联合约束的多聚焦图像融合（MFF-GAN）方法和基于本征图像分解的多曝光图像融合（IID-MEF）方法。

第4 章介绍遥感图像融合方法，并从消除对参考图像依赖、强化模型尺度泛化性两个角度分别介绍基于生成对抗网络的无监督多光谱与全色图像融合（Pan-GAN）方法和基于尺度迁移学习与光谱观测模型估计的多光谱与全色图像融合（STP-SOM）方法。

第5 章介绍通用图像融合的深度学习方法，分析和挖掘多模态、多曝光及多聚焦图像融合等多种任务的共性，构建统一通用的融合框架甚至融合网络。

第6章结合图像融合技术在实际应用中面临的挑战，介绍兼顾图像配准与高级语义的图像融合新范式。

本书特点

本书以深度学习为主线，系统构建了图像融合领域的完整方法论体系。其核心特点在于全面覆盖与前沿深度结合，不仅系统阐述了多模态、数字摄影、遥感及通用图像融合等关键方向，更聚焦于解决实际应用中的核心痛点——如模型泛化能力、对参考数据的依赖、与配准和高级视觉任务的协同等。全书通过引入生成对抗网络、Transformer、无监督学习等一系列前沿技术，提出了多个创新性融合框架，并从理论创新与实验验证两个维度进行严谨阐述，结构清晰，兼具理论深度与实践指导价值，为领域研究者与工程师提供了重要的技术参考和发展思路。

左右滑动查看全书目录

ISBN：978-7-03-078422-3

本文编辑：杜权

地球为你而转！

欢迎关注：赛杰奥（sci_geo）

科学出版社地球科学订阅号

传播科学，欢迎您点亮★星标

文末分享、点赞、在看