控制与决策

作者：沈瑜,强振凯,魏子易,姚爽,白珊

单位：兰州交通大学 电子与信息工程学院，兰州 730070,,兰州交通大学 电子与信息工程学院，兰州 730070,,兰州交通大学 电子与信息工程学院，兰州 730070,,兰州交通大学 电子与信息工程学院，兰州 730070,,兰州交通大学 电子与信息工程学院，兰州 730070,

关键词：图像融合;红外图像;可见光图像;深度学习;网络结构;损失函数

基金：国家自然科学基金项目(62241106, 61861025)；甘肃省重点研发计划项目(24YFGA037)；甘肃省科技专员专项项目(23CXGA0008)；“智慧天路”建设重大专项-QZzhtlzx(2023QZzhtl1102)；兰州局集团公司科技研究开发计划项目(LZJKY2024079-1)；中国国家铁路集团有限公司重点课题项目(N2023X050)；兰州交通大学重点研发项目(LZJTU-ZDYF2305)；甘肃省教育厅优秀研究生“创新之星”项目(2025CXZX-636).

红外与可见光图像融合(IVIF)技术旨在整合热辐射传感器和光学传感器所捕获相同场景的图像中的互补信息, 生成一张更适合人类理解或计算机分析处理的融合图像. 随着深度学习的发展, 该技术在军事侦察、自动驾驶、安防监控等领域的作用愈发重要. 以往的综述只对相关文献进行了归纳总结, 鲜有从网络结构以及损失函数发展历程的角度进行详细分析, 且缺乏最新的研究进展和对比实验. 鉴于此, 针对基于深度学习的IVIF方法展开全面回顾和展望. 首先, 从发展历程的角度对基于深度学习的IVIF方法进行回顾, 介绍其网络结构和损失函数的演进过程; 然后, 总结IVIF中常见的数据集以及性能评价指标, 并讨论未来所发布数据集应具备的特征; 接着, 对18种具有代表性的方法在3个公开数据集上进行大量实验, 从主观和客观的角度分析不同方法的性能; 最后, 总结IVIF任务当前所面临的挑战, 并展望未来的研究方向.

来源：2025年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第6期