[发明专利]基于红外补偿器和生成对抗网络的红外与可见光融合方法

权利要求书

1.一种基于红外补偿器和生成对抗网络的红外与可见光融合方法，其特征在于，包括以下步骤：

S1采用改进的生成对抗网络中的生成器，获取红外图像的强度信息和可见光图像的细节信息，并通过判别器与生成器之间的博弈对抗获取源图像信息；

S2采用红外补偿器对红外图像进行特征提取得到目标热辐射信息；

S3对由红外补偿器提取到的目标热辐射信息以及由生成对抗网络得到的源图像信息进行信息重构，得到最终的融合图像。

2.根据权利要求1所述的一种基于红外补偿器和生成对抗网络的红外与可见光融合方法，其特征在于，所述步骤S1中生成对抗网络通过带有梯度惩罚的Wasserstein距离来设计生成器和判别器的网络结构以及损失函数，以解决传统生成对抗网络的生成图像质量问题。

3.根据权利要求1所述的一种基于红外补偿器和生成对抗网络的红外与可见光融合方法，其特征在于，所述步骤S1中生成对抗网络通过控制比例因子使网络专注于学习一个部分来择取强度信息和梯度信息。

4.根据权利要求1所述的一种基于红外补偿器和生成对抗网络的红外与可见光融合方法，其特征在于，所述的生成器模型的损失函数表示为：

L＝L_advers(G)+γL_content

其中，L_advers(G)为生成器和判别器之间的对抗性损失，E_z表示生成器生成的数据分布，z表示生成器生成的数据，P_g表示生成器生成数据的集合，L_content是内容损失，H和W是输入图像的长度和宽度，||·||表示矩阵的范数，I_f为融合图像的像素强度值，I_r为红外图像的像素强度值，I_v表示可见光图像的梯度值，是梯度运算符，D(z)为通过判别器生成的数据，调节机制是指控制比例因子使网络专注于学习一个某部分，τ是比例因子。

5.根据权利要求1所述的一种基于红外补偿器和生成对抗网络的红外与可见光融合方法，其特征在于，所述的判别器模型的损失函数表示为：

其中前两项为Wasserstein距离估计，后一项是梯度惩罚表达式，E_x为可见光图像的数据分布，P_vis是可见光图像的集合，P_g是生成器生成的数据分布，是沿连接生成数据和真实数据的直线均匀采样的样本，μ是惩罚因子，D(x)是可见光图像输入判别器后生成的数据。

6.根据权利要求1所述的一种基于红外补偿器和生成对抗网络的红外与可见光融合方法，其特征在于，所述的红外补偿器采用基于背景重构和红外的方法对红外图像进行特征提取。