Wasserstein无学习图像融合（红外-可见光）

技术信息

语言技术
Python、Torch系统类型
算法模型、Windows、Linux行业分类
人工智能

作品详情

行业场景

安防监控、夜视成像、车载夜视/智能交通、消防与应急救援（烟雾/火灾现场搜救）、无人机巡检/遥感成像、电力与工业巡检（热缺陷检测）、机器人视觉（巡检/搜救机器人）、边防周界安防——面向低照度、雾霾、遮挡、伪装等复杂场景的红外与可见光多光谱图像融合与增强

功能介绍

将红外热像与可见光图像融合成一张信息更全的图像：红外贡献热目标（行人、车辆在黑夜/雾霾/伪装下依然可见），可见光贡献纹理细节（车牌、文字、轮廓清晰）。算法无需训练、无需 GPU、无需数据集，开箱即用，处理速度约 25 帧/秒，可批量处理图像与视频，适用于安防、巡检、车载夜视等场景。

项目实现

1. 输入：红外图 + 可见光图（单通道/彩色均可，尺寸自适应）
2. 核心管线：Wasserstein 分布对齐 → 分频/分策略融合（热目标层 + 纹理层）→ 质量评估闭环
3. 工程化：Python 实现，OpenCV 管线，支持命令行批处理（输入目录 → 输出目录），自带 evaluate.py 评测脚本（EN/PSNR/SSIM/SD/SF/AG/CC/MI/MS-SSIM/VIF 十项指标）
4. 数据与验证：TNO（261 对）、MSRS（1444 对）公开数据集评测，下游 YOLO 检测验证融合对任务的增益