基于Swin Transformer与GAN的红外与可见光图像融合方法

摘要文本

本发明提出了基于Swin Transformer与GAN的红外与可见光图像融合方法，主要解决了在图像融合过程中如何同时保留红外图像中的显著目标信息和可见光图像中的纹理细节信息的问题。该方法通过将传统方法与深度学习方法相结合，利用Swin Transformer的全局特征提取能力和生成对抗网络的对抗训练过程，实现了高质量的融合效果。此外，采用隐式低秩表示技术对源图像进行分解，并在生成器中采用双分支结构，充分整合源图像中的互补信息。为了提高训练效率，本方法还引入了预融合技术为生成对抗网络提供先验知识。本方法旨在满足现代遥感、军事和其他领域对红外与可见光图像融合的高效、准确需求，为图像处理领域带来了新的方法。