控制与决策

作者：王爱侠,胡傲杰,闫爱云,高尚,金硕巍,庞永恒

单位：东北大学 信息科学与工程学院， 沈阳 110819,,东北大学 信息科学与工程学院， 沈阳 110819,,东北大学 信息科学与工程学院， 沈阳 110819,,东北大学 信息科学与工程学院， 沈阳 110819,,东北大学 信息科学与工程学院， 沈阳 110819,,中国刑事警察学院 信息科学与工程学院，沈阳 110854,

关键词：图像融合;夜间恶劣光照感知;红外特征挖掘;高级视觉任务

基金：国家自然科学基金项目(62406342)；辽宁自然科学基金项目(2024-BS-260)；上海市法医学重点实验室暨司法部司法鉴定重点实验室开放课题项目(KF202415).

在红外图像中, 目标物体的突出显示与可见光图像中丰富的纹理细节相结合, 可以有效地增强融合图像的信息熵, 从而为夜间智能驾驶等下游视觉任务提供重要支持. 然而, 现有的主流融合算法对于可见光图像在恶劣光照夜间道路环境下的信息熵低与像素强度高之间的矛盾, 尚缺乏针对性的研究. 因此, 在正常环境下表现良好的融合算法, 在强光干扰下只能生成与可见光图像相似、信息熵较低的融合图像. 对此, 提出一种能够抵抗恶劣光照环境干扰的图像融合网络, 结合信息熵和信息论原理, 增强图像融合的鲁棒性和信息保留能力. 首先, 设计一个在正常光照条件下具备高鲁棒性和优异性能的图像融合网络, 在该融合网络的基础上设计一个环境光感知模块, 以便在极端光照条件下对低信息熵的可见光图像的特征权重进行分析. 然后, 设计一个红外边缘特征分层引导融合模块, 以充分提取红外图像中的有效特征信息. 实验结果表明, 该融合网络能够在夜间恶劣光照条件下充分利用可见光和红外图像的特征信息, 显著提高这种情况下融合图像的质量. 与其他主流算法相比, 所提出方法生成的融合结果包含了更丰富和更有效的信息.

来源：2025年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第10期