.png){kind=icon}
返回
DIFF-SB: A process-optimized diffusion model for infrared-visible image fusion using Split Bregman
.png){kind=icon}
PRE
AI
DOI：10.1016/j.infrared.2026.106797.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
红外-可见图像融合（IVIF）通过合成互补的热成像和可见光信息，生成具有显著目标和精细纹理的高对比度图像。现有的基于扩散的IVIF方法存在两个关键局限性：过度依赖高质量的融合先验，以及源信息利用不足导致在低光照或热主导场景下严重信息损失。为解决这些问题，我们提出DIFF-SB，一种结合深度展开Split Bregman算法并为其图像融合数学建模的扩散融合框架。它将过程优化和明确的物理驱动约束嵌入到扩散采样过程中，利用每种模态的固有特性。DIFF-SB通过Split Bregman的问题分解和迭代优化实施稀疏-保真度调控机制。此外，我们引入了一个注意力特征解耦模块，将源图像分解为互补的基础结构和细节子空间。这种分解为后续约束施加建立了不同的特征基础，有效克服了传统Split Bregman优化局限于单一特征维度的限制。因此，我们的框架能够对跨模态信息施加多维、差异化的约束，从而在复杂场景中更精确地保留互补细节，实现更优的融合性能和改进的可解释性。在红外-可见数据集上的大量实验表明，DIFF-SB达到竞争性性能，进而增强了下游任务（如目标检测和语义分割）的效果。
Keyword:
Image fusion
Infrared image
Diffusion model
Split Bregman
