Para abordar a grave perda de detalhes na fusão de imagens infravermelhas e visíveis, a falta de destaque das informações características das imagens infravermelhas e a negligência das informações semânticas das imagens de origem, propõe-se uma rede de fusão de imagens infravermelhas e visíveis baseada na decomposição secundária de imagens (Secondary Image Decomposition For Infrared And Visible Image Fusion, SIDFuse). Utiliza-se o codificador para realizar a decomposição secundária das imagens de origem para extrair informações de características em diferentes escalas, em seguida, utiliza a atenção de elementos duplos para atribuir pesos às informações de características em diferentes escalas, introduz um ramo semântico global, em seguida adota a soma de pixels como estratégia de fusão e, finalmente, reconstrói a imagem fundida através do decodificador. Nos experimentos, o conjunto de dados FLIR foi selecionado para treinamento, os conjuntos TNO e RoadScene foram usados para testes, e oito parâmetros objetivos de avaliação de fusão de imagens foram escolhidos para análise comparativa experimental. Os experimentos com o conjunto de dados TNO mostraram que, em termos de entropia de informação, desvio padrão, frequência espacial, fidelidade visual, gradiente médio, coeficiente de correlação diferencial, similaridade estrutural multinível e índice de avaliação de desempenho da fusão de gradientes, o SIDFuse melhorou em média em relação ao algoritmo clássico de fusão DenseFuse baseado em redes convolucionais em 12,2%, 9,0%, 90,2%, 13,9%, 85,1%, 16,8%, 6,7% e 30,7%, respectivamente, e em relação à rede de fusão mais recente LRRNet em 2,5%, 5,6%, 31,5%, 5,4%, 25,2%, 17,9%, 7,5% e 20,7%. Pode-se ver que o algoritmo proposto oferece maior contraste de imagem e pode reter de forma mais eficaz os detalhes de textura das imagens visíveis e as informações características das imagens infravermelhas, apresentando uma vantagem evidente entre métodos semelhantes.

fusão de imagens;decomposição secundária de imagens;ramo semântico global;atenção de elementos duplos;contraste de imagem