노이즈 제거 확산 모델이 적외선 및 가시광선 이미지 융합 작업에서 기준 진실 값과 가시광선 정보 활용 부족 문제를 해결하기 위해 조건 확산 및 다채널 고저주파 병렬 적외선 및 가시광선 이미지 융합 모델을 제안한다. 조건 확산 모델은 소스 이미지를 연결하여 기준 진실 값으로 사용하여 학습하며, 적외선 및 가시광선 이미지 특징 추출 작업의 최적 사전 분포를 얻는다. 역 노이즈 제거 과정에서 다채널 가능도 보정 모듈을 도입하여 적외선 및 가시광선 이미지의 다채널 복잡 분포를 보다 효과적으로 모델링한다. 다음으로 세부 적응형 노이즈 제거 네트워크를 제안하여 적외선 및 가시광선 이미지의 다채널 고저주파 특징 추출 작업을 완성한다. 마지막으로 융합 네트워크에 다채널 고저주파 병렬 융합 모듈을 설계하였으며, 영역 일관성 융합 네트워크와 다채널 저주파 특징 융합 네트워크를 각각 사용하여 고저주파 특징 융합을 수행한다. 이 모델은 적외선 및 가시광선 이미지 융합 작업을 위한 특징 추출에 훈련 가능한 확산 모델 패러다임을 제공하며, 특정 컨볼루션 신경망을 사용하여 특징 융합을 수행한다. MSRS 및 RoadScene 데이터셋에서 최근 제안된 9가지 고성능 방법과 비교한 실험 결과, 본 방법은 8가지 객관적 평가 지표에서 평균 4.52%~59.62% 향상되었음을 보여준다. 본 방법은 색상 충실도와 질감 세부 유지 측면에서 다른 방법보다 우수하며, 인간 시각 특성을 충족하여 다양한 조명 및 환경 상황에서 적외선 및 가시광선 이미지 융합 작업을 효과적으로 처리할 수 있다.

이미지 융합;적외선 및 가시광선;조건 확산 모델;세부 적응형 노이즈 제거 네트워크;다채널 고저주파 병렬 융합 모듈