《Infrared and Visible Image Fusion using a Deep Learning Framework》阅读笔记
一、概述 这篇文章发表于2018年，主要是研究视觉图像与红外图像的融合，作者之后还发表了DenseFuse。 这篇文章的主要思路是将待融合的红外图像与视觉图像分解为基础部分与高频部分，之后分别对这两部分分别采取不同的策略进行融合得到融合基础部分与融合高频部分，最后利用这两部分重建融合图像。 这种将图像分解为两种不同尺度部分的方法我认为主要是为了解决待融合图像大尺度信息相差较大的图像融合任务，例如：
相关文章
- 1. Infrared and visible image perceptive fusion through multi-level Gaussian curvature filtering image
- 2. Deep Residual Learning for Image Recognition阅读笔记
- 3. 论文阅读笔记----HDR image reconstruction from a single exposure using deep CNNs
- 4. Machine Learning & Deep Learning 论文阅读笔记
- 5. 阅读论文：Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation
- 6. 论文阅读笔记（五十六）：Image Super-Resolution Using Deep Convolutional Networks
- 7. 3D Shape Retrieval using Volumetric and Image CNNs: A Meta Algorithmic Approach阅读笔记
- 8. 论文阅读笔记（五十二）：Outline Objects using Deep Reinforcement Learning
- 9. Deep Image Prior 阅读笔记
- 10. Deep image prior阅读笔记
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • PHP 实例 - AJAX RSS 阅读器 - PHP教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • RxJava操作符（七）Conditional and Boolean
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Infrared and visible image perceptive fusion through multi-level Gaussian curvature filtering image
- 2. Deep Residual Learning for Image Recognition阅读笔记
- 3. 论文阅读笔记----HDR image reconstruction from a single exposure using deep CNNs
- 4. Machine Learning & Deep Learning 论文阅读笔记
- 5. 阅读论文：Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation
- 6. 论文阅读笔记（五十六）：Image Super-Resolution Using Deep Convolutional Networks
- 7. 3D Shape Retrieval using Volumetric and Image CNNs: A Meta Algorithmic Approach阅读笔记
- 8. 论文阅读笔记（五十二）：Outline Objects using Deep Reinforcement Learning
- 9. Deep Image Prior 阅读笔记
- 10. Deep image prior阅读笔记