在红外图像中,目标物体的突出显示与可见光图像中丰富的纹理细节相结合,可以有效地增强融合图像的信息熵,从而为夜间智能驾驶等下游视觉任务提供重要支持.然而,现有的主流融合算法对于可见光图像在恶劣光照夜间道路环境下的信息熵低与像素强度高之间的矛盾,缺乏针对性的研究.因此,在正常环境下表现良好的融合算法,在强光干扰下往往只能生成与可见光图像相似、信息熵较低的融合图像.为解决这一问题,本文提出了一种能够抵抗恶劣光照环境干扰的图像融合网络,结合信息熵和信息论原理,增强了图像融合的鲁棒性和信息保留能力.具体而言,本文首先设计了一个在正常光照条件下具备高鲁棒性和优异性能的图像融合网络.在该融合网络的基础上,本文设计了一个环境光感知模块,以便在极端光照条件下对低信息熵的可见光图像的特征权重进行分析.此外,本文还设计了一个红外边缘特征分层引导融合模块,以充分提取红外图像中的有效特征信息.实验结果表明,该融合网络能够在夜间恶劣光照条件下充分利用可见光和红外图像的特征信息,显著提高了这种情况下融合图像的质量.与其他主流算法相比,该方法生成的融合结果包含了更丰富和更有效的信息.
