计算机应用

作者：王继霄, 李阳, 王家宝, 苗壮, 张洋硕

单位：陆军工程大学 指挥控制工程学院, 南京 210007

关键词：图像融合,深度学习,轻量级,SqueezeNet

现有深度红外和可见光图像融合模型网络参数多，计算过程需要耗费大量计算资源和内存，难以满足移动和嵌入式设备上的部署要求。针对上述问题，提出了一种基于SqueezeNet的轻量级图像融合方法，该方法利用轻量级网络SqueezeNet提取红外和可见光图像特征，并通过该网络提取的特征获得权重图并进行加权融合，进而获得最后的融合图像。通过与ResNet50方法进行比较发现，该方法在保持融合图像质量相近的情况下，模型大小和网络参数量分别被压缩为ResNet50方法的1/21和1/204，运行速度加快了4倍。实验结果表明，该方法不仅降低了融合模型的大小，加快了图像融合速度，同时得到了比其他传统融合方法更好的融合效果。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期