강도 영상에서 어두운 부분의 텍스처 세부 정보 손실 단점을 보완하고 편광도 영상의 편광 특성을 결합하기 위해, 본 논문에서는 강도 영상과 편광도 영상의 융합 방법을 제안한다. 먼저, 인코더 네트워크를 구축하여 소스 영상의 의미 정보와 텍스처 세부 정보를 추출한다. 이후, 특성 융합 네트워크는 덧셈 전략과 잔차 신경망을 사용하여 영상 특성을 융합한다. 마지막으로, 디코더 네트워크를 통해 융합된 영상 특성을 재구성하여 최종 융합 영상을 획득한다. 또한, 소스 영상과 융합 영상 간의 구조적 유사도 손실과 그래디언트 손실을 바탕으로, 본 논문에서는 융합 네트워크 학습을 안내하기 위한 개선된 손실 함수를 제안한다. 실험 결과, 6가지 다른 방법 중 가장 우수한 융합 효과를 보인 개선된 이중 채널 펄스 결합 신경망(MD-PCNN)과 비교하여, 본 방법의 객관적 평가 지표인 평균 그래디언트, 정보 엔트로피, 영상 품질, 표준 편차 및 개선된 다중 스케일 구조 유사도가 각각 4.3%, 1.0%, 8.1%, 2.5%, 3.1% 향상되었으며, 영상 잡음은 8.8% 감소하였고, 강도 영상의 어두운 부분에서 텍스처 세부 정보 손실 문제를 극복하였다.

텍스처 세부 정보;잔차 신경망;구조적 유사성;영상 융합