基于显著性加权和生成对抗网络的跨域图像融合算法

本发明公开了一种基于显著性加权和生成对抗网络的跨域图像融合算法，该方法通过引入Restormer模块增强了编码器与解码器在高分辨率图像上的特征提取与重建能力，并利用显著性注入模块基于红外图像生成显著性掩码，动态加权跨模态特征以聚焦高价值区域，节省计算资源。此外，本发明还引入了生成对抗网络(GAN)和双鉴别器机制，通过对抗训练提升融合图像的真实性、视觉质量和信息保真度，同时通过双鉴别器分别约束融合结果与源模态的分布一致性，从而解决传统方法中可能存在的伪影问题并提升融合的自然度。本方法在多个数据集上展现出优异的融合效果，并且相较于现有方法，在训练效率和模型性能上均有显著提升。