SimpleFusion: A Simple Fusion Framework for Infrared and Visible Images

本文提出了一种名为SimpleFusion的简单而有效的可见光和红外图像融合框架。我们的框架遵循分解和融合的范式，其中可见光和红外图像通过Retinex理论分解为反射和照明组件，然后融合这些对应的元素。整个框架由两个简单的卷积神经网络设计而成，无需下采样，可以有效地执行图像分解和融合。此外，我们引入分解损失和细节到语义损失来保留两种模态之间的互补信息以进行融合。我们在具有挑战性的基准测试上进行了广泛的实验，验证了我们的方法优于先前的最新技术。代码可在以下网址获得：\href{https://github.com/hxwxss/SimpleFusion-A-Simple-Fusion-Framework-for-Infrared-and-Visible-Images}{https://github.com/hxwxss/SimpleFusion-A-Simple-Fusion-Framework-for-Infrared-and-Visible-Images}。

解决问题：论文旨在解决可见光图像与红外图像融合的问题，提出了一种简单而有效的框架SimpleFusion。这是否是一个新问题？

关键思路：SimpleFusion框架采用分解和融合的方法，通过Retinex理论将可见光图像和红外图像分解成反射和照明两个部分，然后将对应的部分进行融合。该框架由两个简单的卷积神经网络组成，无需下采样，能够高效地进行图像分解和融合。为了保留两种模态之间的互补信息，引入了分解损失和细节到语义损失。

其他亮点：论文在多个具有挑战性的基准测试上进行了广泛的实验，证明了SimpleFusion方法的优越性。此外，论文提供了开源代码，可供使用。值得进一步研究的工作包括如何将该框架应用于其他图像融合任务以及如何进一步提高其性能。

相关研究：最近的相关研究包括：“Infrared and visible image fusion using a deep residual network with saliency awareness”、“Infrared and visible image fusion using a novel deep convolutional neural network”等。