基于多尺度双注意力网络的红外与可见光图像融合
MS-DAFNet: multi-scale dual-attention fusion network for infrared and visible image fusion
电子科技大学 信息与软件工程学院, 成都 514000
摘要
红外与可见光图像融合目标是生成具有丰富信息和自然视觉的单幅图像以加强场景感知，针对两种模态图像融合因模态特征差异导致的热目标与细节保留不足、易产生伪影等问题，提出一种多尺度双注意力网络MS-DAFNet。MS-DAFNet核心是双注意力融合模块，该模块在两个关键特征层级上并行运作：全局上下文注意力模块捕捉长距离空间依赖，块级自适应交叉注意力模块执行细粒度的跨模态特征交互。该方法引入对比学习预训练策略有效弥合模态差异，使网络能学习到更具判别力的多尺度特征表示。此外，通过设计一个分层门控解码器，自适应整合多尺度特征流以高质量重建融合图像。在TNO灰度数据集上，MS-DAFNet在信息熵、峰值信噪比和结构相似性上分别达到了7.121、14.8413、1.076；在M3FD彩色数据集上本方法同样表现出色。实验结果充分表明MS-DAFNet能够生成信息更丰富、目标更显著且细节更清晰的融合图像。
基金项目
国家自然科学基金资助项目(U2333207,62271128)
成都重点研发支持计划项目(2025-YF08-00128-GX,2025-YF12-00029-RC)
四川省科技计划重点研发项目(2022ZDZX0004,2025YFHZ0302)
四川省科技计划"揭榜挂帅"项目(2023YFG0374)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.09.0405
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第6期
发布历史
[2026-02-04] 优先出版
引用本文
曾广群, 黄智勇, 王瑞锦, 等. 基于多尺度双注意力网络的红外与可见光图像融合 [J]. 计算机应用研究, 2026, 43 (6). (2026-02-25). https://doi.org/10.19734/j.issn.1001-3695.2025.09.0405. (Zeng Guangqun, Huang Zhiyong, Wang Ruijin, et al. MS-DAFNet: multi-scale dual-attention fusion network for infrared and visible image fusion [J]. Application Research of Computers, 2026, 43 (6). (2026-02-25). https://doi.org/10.19734/j.issn.1001-3695.2025.09.0405. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
