深度学习偏振图像融合研究现状OA北大核心CSTPCD
偏振图像融合旨在通过光谱信息和偏振信息的结合改善图像整体质量,在图像增强、空间遥感、目标识别和军事国防等领域具有广泛应用。本文在回顾基于多尺度变换、稀疏表示和伪彩色等传统融合方法基础上,重点介绍基于深度学习的偏振图像融合方法研究现状。首先阐述基于卷积神经网络和生成对抗网络的偏振图像融合研究进展,然后给出在目标检测、语义分割、图像去雾和三维重建领域的相关应用,同时整理公开的高质量偏振图像数据集,最后对未来研究进行展望。
段锦;张昊;宋靖远;刘举;
长春理工大学电子信息工程学院,吉林长春130022
计算机与自动化
偏振图像图像融合深度学习
《红外技术》 2024 (002)
P.119-128 / 10
吉林省科技发展计划项目(20220508152RC);吉林省产业技术研究与开发项目(2023C031-3);重庆自然科学基金(cstc2021jcyj-msxmX0145);国家自然科学基金重大仪器专项(62127813)。
评论