論文の概要: Quaternion Infrared Visible Image Fusion

• arxiv url: http://arxiv.org/abs/2505.02364v1
• Date: Mon, 05 May 2025 05:02:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.562678
• Title: Quaternion Infrared Visible Image Fusion
• Title（参考訳）: 四元系赤外可視画像融合
• Authors: Weihua Yang, Yicong Zhou,
• Abstract要約: 赤外線可視画像融合は、赤外線と可視画像の相補的な情報を統合して高品質な融合画像を生成することを目的としている。 既存の手法では、可視画像における色構造情報の無視や、低品質な色可視入力を処理する際の性能劣化といった重要な制限がある。 四元数領域で高画質の融合画像を生成するための四元数赤外可視画像融合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 38.47237002133678
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Visible images provide rich details and color information only under well-lighted conditions while infrared images effectively highlight thermal targets under challenging conditions such as low visibility and adverse weather. Infrared-visible image fusion aims to integrate complementary information from infrared and visible images to generate a high-quality fused image. Existing methods exhibit critical limitations such as neglecting color structure information in visible images and performance degradation when processing low-quality color-visible inputs. To address these issues, we propose a quaternion infrared-visible image fusion (QIVIF) framework to generate high-quality fused images completely in the quaternion domain. QIVIF proposes a quaternion low-visibility feature learning model to adaptively extract salient thermal targets and fine-grained texture details from input infrared and visible images respectively under diverse degraded conditions. QIVIF then develops a quaternion adaptive unsharp masking method to adaptively improve high-frequency feature enhancement with balanced illumination. QIVIF further proposes a quaternion hierarchical Bayesian fusion model to integrate infrared saliency and enhanced visible details to obtain high-quality fused images. Extensive experiments across diverse datasets demonstrate that our QIVIF surpasses state-of-the-art methods under challenging low-visibility conditions.
• Abstract（参考訳）: 可視画像は、鮮明な条件下でのみ詳細な情報と色情報を提供するが、赤外線画像は、視認性や悪天候などの困難な条件下で、熱標的を効果的に強調する。 赤外線可視画像融合は、赤外線と可視画像の相補的な情報を統合して高品質な融合画像を生成することを目的としている。 既存の手法では、可視画像における色構造情報の無視や、低品質な色可視入力を処理する際の性能劣化といった重要な制限がある。 これらの課題に対処するため、第4次赤外線可視画像融合(QIVIF)フレームワークを提案し、第4次領域で高品質な融合画像を生成する。 QIVIFは、様々な劣化条件下で、入力赤外線と可視画像から、塩分熱標的と微粒なテクスチャの詳細を適応的に抽出する4次低視認性特徴学習モデルを提案する。 その後、QIVIFは4元適応アンシャープマスキング法を開発し、平衡照明による高周波特徴強調を適応的に改善する。 QIVIFはさらに、赤外サリエンスを統合し、可視性を高めて高品質な融合画像を得る四元系階層型ベイズ融合モデルを提案する。 多様なデータセットにわたる大規模な実験により、我々のQIVIFは最先端の手法を超越し、低可視性に挑戦することを示した。

関連論文リスト

• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• Implicit Multi-Spectral Transformer: An Lightweight and Effective Visible to Infrared Image Translation Model [0.6817102408452475]
  コンピュータビジョンでは、可視光画像は低照度条件において低コントラストを示すことが多く、重要な課題である。 近年のディープラーニング,特にGAN(Generative Adversarial Networks)の展開は,可視光画像から赤外線画像への変換を促進している。 可視光画像から高忠実度赤外線画像へ効率よく変換するエンド・ツー・エンド・エンド・トランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-10T15:02:26Z)
• Aleth-NeRF: Illumination Adaptive NeRF with Concealing Field Assumption [65.96818069005145]
  照明効果を考慮した「コンシーリング場」の概念を導入する。 暗黒のシナリオでは、物体の放出は標準的な照明レベルを維持するが、レンダリング中に空気を横切ると減衰する。 評価のために、難解な照明条件下で得られた総合的な多視点データセットを提案する。
  論文  参考訳（メタデータ） (2023-12-14T16:24:09Z)
• IAIFNet: An Illumination-Aware Infrared and Visible Image Fusion Network [13.11361803763253]
  我々はIAIFNetという名前のイルミネーション対応赤外線・可視画像融合ネットワークを提案する。 本フレームワークでは,まず,入力画像の入射照明マップを推定する。 適応微分融合モジュール (ADFM) と有向目標認識モジュール (STAM) の助けを借りて, 画像融合ネットワークは, 照明付赤外線と可視画像の有向的特徴を高画質の融合画像に効果的に統合する。
  論文  参考訳（メタデータ） (2023-09-26T15:12:29Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。