Para compensar a desvantagem da perda de detalhes da textura em áreas escuras das imagens de intensidade, combinando as características de polarização das imagens de grau de polarização, este artigo propõe um método de fusão de imagens de intensidade e de grau de polarização. Primeiramente, uma rede codificadora é construída para extrair informações semânticas e detalhes de textura das imagens-fonte. Em seguida, a rede de fusão de características utiliza uma estratégia de adição e uma rede residual para a fusão de características das imagens. Por fim, através de uma rede decodificadora, as características das imagens fundidas são reconstruídas para obter a imagem fundida final. Além disso, com base nas perdas de similaridade estrutural e de gradiente entre a imagem fonte e a imagem fundida, este artigo propõe uma função de perda aprimorada para guiar o treinamento da rede de fusão. Os resultados experimentais mostram que, em comparação com o melhor desempenho de fusão entre seis outros métodos, a rede neural de acoplamento de pulso de canal duplo aprimorada (MD-PCNN), os indicadores objetivos de avaliação média de gradiente, entropia da informação, qualidade da imagem, desvio padrão e similaridade estrutural multiescala aprimorada aumentaram em 4,3%, 1,0%, 8,1%, 2,5% e 3,1%, respectivamente, o ruído da imagem foi reduzido em 8,8%, e o problema da perda de detalhes da textura em áreas escuras das imagens de intensidade foi superado.

detalhes de textura;rede residual;similaridade estrutural;fusão de imagens