強度画像における暗い部分でのテクスチャ詳細の損失という欠点を補うために、偏光度画像の偏光特性を組み合わせて、本論文では強度画像と偏光度画像の融合方法を提案する。まず、エンコーダネットワークを構築して、元画像のセマンティック情報とテクスチャ詳細を抽出する。次に、特徴融合ネットワークは加算戦略と残差ネットワークを用いて画像特徴を融合する。最後に、デコーダネットワークによって融合後の画像特徴を再構成し、最終的な融合画像を取得する。さらに、元画像と融合画像間の構造類似性損失と勾配損失に基づき、本論文では融合ネットワークの学習を導くための改良された損失関数を提案する。実験結果は、他の6種類の方法中最も融合効果が良い改良型二重チャンネルパルス結合ニューラルネットワーク（MD-PCNN）と比較して、本手法の客観的評価指標である平均勾配、情報エントロピー、画像品質、標準偏差および改良マルチスケール構造類似性がそれぞれ4.3％、1.0％、8.1％、2.5％、3.1％向上し、画像ノイズが8.8％低減され、強度画像の暗い部分でのテクスチャ詳細損失問題を克服したことを示している。

テクスチャ詳細;残差ネットワーク;構造類似性;画像融合