ノイズ除去拡散モデルが赤外線と可視光画像の融合タスクにおいて基準となる真値の不足と可視光情報の利用不足という問題に対処するために、条件拡散およびマルチチャネル高低周波並列の赤外線と可視光画像融合モデルを提案する。条件拡散モデルは連結技術を利用して連結された元画像を基準真値として訓練し、赤外線と可視光画像特徴抽出タスクの最適な事前分布を獲得する。逆ノイズ除去過程においてマルチチャネル尤度補正モジュールを導入し、赤外線と可視光画像のマルチチャネル複雑分布をより効果的にモデル化する。次に、細部適応型ノイズ除去ネットワークを提案し、赤外線と可視光画像のマルチチャネル高低周波特徴抽出タスクを完遂する。最後に、融合ネットワークにおいてマルチチャネル高低周波並列融合モジュールを設計し、領域整合性融合ネットワークとマルチチャネル低周波特徴融合ネットワークをそれぞれ用いて高低周波特徴の融合を実現する。本モデルは赤外線と可視光画像融合タスクに特徴抽出用の訓練可能な拡散モデルパラダイムを提供し、特定の畳み込みニューラルネットワークを用いて特徴融合を行う。MSRSおよびRoadSceneデータセットで近年提案された9つの高精度手法と比較した実験結果は、本手法が8つの客観的評価指標において平均4.52%〜59.62%向上したことを示している。本手法は色彩忠実度およびテクスチャ詳細の保持において他の手法を上回り、人間の視覚特性に適合し、さまざまな照明および環境条件下で赤外線と可視光画像の融合タスクをうまく処理できる。

画像融合;赤外線と可視光;条件拡散モデル;細部適応型ノイズ除去ネットワーク;マルチチャネル高低周波並列融合モジュール