현재 적외선과 가시광 영상 융합 방법이 적외선 중복 정보를 과도하게 도입하여 복잡한 장면에서 정보 균형을 이루지 못하고 융합 효과가 미흡한 현상에 대응하여, 다중 스케일 공간 주의 보완 기반 적외선 및 가시광 영상 융합 방법을 제안한다. 이 방법은 이중 분기 합성곱 신경망을 사용하여 적외선과 가시광 영상의 특징 정보를 각각 추출하고 차이점을 보완하며, 다중 스케일 공간 주의 보완을 통해 처리한 후 회귀 덧셈을 영상 특징에 적용하여 보완 특징의 중간 회귀 덧셈을 실현하여 복잡한 장면 정보를 효과적으로 균형 잡는다. 실험 결과 Densefuse, PIAFusion 등 주류 융합 방법과 비교했을 때, 이 방법이 상호 정보(MI)는 각각 4.1%, 4.3% 향상됐으며, 시각 정보 충실도(VIF)는 각각 5.0% 및 2.3% 향상되어 복잡한 장면에서 목표 특징 정보를 효과적으로 보존하고 중복 특징을 효과적으로 억제하며 뛰어난 특징 균형 능력을 보이며, 복잡한 장면에서 목표 탐지 및 인식에 잠재적 응용 가치를 가진다.

영상 융합; 적외선 및 가시광 영상; 이중 분기 합성곱 신경망; 차이점 보완; 다중 스케일 공간 주의; 회귀 덧셈