복잡한 교통 시나리오에서 조명 변화와 교차 모달 간섭으로 인한 자율주행 인식 능력 저하 문제를 해결하기 위해 신뢰도 적응 가이드 기반의 적외선 및 가시광선 영상 융합 네트워크를 제안한다. 본 방법은 픽셀 수준의 신뢰도 측정 메커니즘을 구축하고 구조 일관성과 강도 이상을 공동 모델링하여 신호원 신뢰도를 동적으로 평가한다. 전역 단계에서는 '신뢰 주입' 전략으로 강도 분포를 보정하고, 세부 단계에서는 적응형 가이드 필터링을 활용해 뚜렷한 목표 및 텍스처의 경쟁적 강화 효과를 달성하며, 다중 제약 손실 함수를 결합해 협력적 최적화를 수행한다. M3FD 및 RoadScene 데이터셋에서의 실험 결과, 본 방법은 DWT, GTF, U2Fusion, Umcfuse 등의 주요 알고리즘 대비 정보 엔트로피, 표준 편차, 공간 주파수, 평균 그래디언트, 상호 정보, 융합 품질, 경계 강도 및 시각 정보 보존도에서 각각 평균 1.51%, 16.56%, 42.36%, 52.24%, 38.28%, 80.51%, 21.4%, 17.6% 향상되었으며, 하위 목표 검출 작업에서 평균 정밀도는 91.4%로 다른 융합 방법보다 우수하다. 본 방법은 잔상 및 노이즈를 효과적으로 억제하며 우수한 장면 일반화 및 안정성을 갖추어 자율주행 시스템의 환경 인식 정확도를 크게 향상시킨다.

영상 융합; 적외선 및 가시광선; 신뢰도 적응 가이드; 교차 모달 구조 일관성; 신뢰 주입; 자율주행 인식