APMFUSION: MÔ HÌNH TỔNG HỢP HÌNH ẢNH HỒNG NGOẠI VÀ KHẢ KIẾN DỰA TRÊN AGF VÀ PFCFUs
Main Article Content
Abstract
Tổng hợp hình ảnh hồng ngoại và khả kiến đóng vai trò quan trọng trong việc nâng cao khả năng quan sát mục tiêu và nhận thức bối cảnh trong các điều kiện quan sát bất lợi. Tuy nhiên, nhiều phương pháp hiện nay vẫn chưa đạt được sự cân bằng hiệu quả giữa bảo toàn cường độ sáng, độ tương phản và khả năng duy trì thông tin cấu trúc. Để khắc phục hạn chế này, chúng tôi đề xuất APMFusion, một mô hình tổng hợp kết hợp bộ lọc AGF, mô hình học sâu PFCFuse và toán tử MRE. Kết quả thực nghiệm trên 80 cặp ảnh từ bộ dữ liệu công khai MSRS cho thấy APMFusion đạt hiệu năng tốt nhất hoặc tiệm cận tốt nhất trên sáu chỉ số đánh giá quan trọng gồm , , , , và , khi so sánh với năm phương pháp tiên tiến được công bố trong giai đoạn 2024-2025. Code nguồn, các kết quả thực nghiệm được công bố tại link https://github.com/house3173/AGF_IVIF.git.
Keywords
AGF, PFCFuse, MRE, tổng hợp ảnh hồng ngoại và khả kiến
Article Details
References
[2] Zhu, H., Zhang, W. (2025), Infrared and Visible Image Fusion Based on Image Enhancement and Target Extraction, IEEE Access, 13, 61862-61875.
[3] Luo, Y., He, K., Xu, D., Shi, H., Yin, W. (2025), Infrared and visible image fusion based on hybrid multi-scale decomposition and adaptive contrast enhancement, Signal Processing: Image Communication, 130, 117228.
[4] Zhu, F., Liu, W. (2024), Infrared-visible image fusion method based on multi-scale shearing Co-occurrence filter, Infrared Physics and Technology, 136, 105009.
[5] Li, Y., Liu, G., Bavirisetti, D. P., Gu, X., Zhou, X. (2023), Infrared-visible image fusion method based on sparse and prior joint saliency detection and LatLRR-FPDE, Digital Signal Processing, 134, 103910.
[6] Toet, A. (2016), Alternating guided image filtering, PeerJ Computer Science, 2, e72. Portico.
[7] Hu, X., Liu, Y., Yang, F. (2024), PFCFuse: A Poolformer and CNN Fusion Network for Infrared-Visible Image Fusion, IEEE Transactions on Instrumentation and Measurement, 73, 1-14.
[8] Ha, Q., Watanabe, K., Karasawa, T., Ushiku, Y., Harada, T. (2017), MFNet: Towards real-time semantic segmentation for autonomous vehicles with multi-spectral scenes, 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 5108-5115.
[9] Qian, Y., Liu, G., Tang, H., Xing, M., Chang, R. (2024), BTSFusion: Fusion of infrared and visible image via a mechanism of balancing texture and salience, Optics and Lasers in Engineering, 173, 107925.
[10] Li, H., Wu, X.-J. (2024), CrossFuse: A novel cross attention mechanism based infrared and visible image fusion approach, Information Fusion, 103, 102147.
[11] Li, J., Jiang, J., Liang, P., Ma, J., Nie, L. (2025), MaeFuse: Transferring Omni Features With Pretrained Masked Autoencoders for Infrared and Visible Image Fusion via Guided Training, IEEE Transactions on Image Processing, 34, 1340-1353.
[12] Cheng, C., Xu, T., Wu, X.-J., Li, H., Li, X., Tang, Z., Kittler, J. (2025), TextFusion: Unveiling the power of textual semantics for controllable image fusion, Information Fusion, 117, 102790.
[13] Chen, Y., Xue, Z., Blum, R. S. (2008), Theoretical analysis of an information-based quality measure for image fusion, Information Fusion, 9(2), 161-175.
[14] Zhou Wang, Bovik, A. C., Sheikh, H. R., Simoncelli, E. P. (2004), Image quality assessment: from error visibility to structural similarity, IEEE Transactions on Image Processing, 13(4), 600-612.
[15] Xydeas, C. S., Petrović, V. (2000), Objective image fusion performance measure, Electronics Letters, 36(4), 308-309.
[16] Luo, Y., He, K., Xu, D., Yin, W., Liu, W. (2022), Infrared and visible image fusion based on visibility enhancement and hybrid multiscale decomposition, Optik, 258, 168914.
[17] Zhang, C., Li, C., Yang, X. (2024), Research on fractional wavelet transform combined with parameter adaptive PCNN for infrared and visible image fusion algorithm, Optics Communications, 573, 131026.
[18] Wei, L., Zhu, R., Li, X., Zhao, L., Hu, X., & Zhang, X. (2024). “Pixel-level structure awareness for enhancing multi-modal medical image fusion”. Biomedical Signal Processing and Control, 97, 106694.