为了解决红外与可见光图像融合中出现细节信息丢失，边缘模糊以及伪影的问题，本文提出一种快速交替引导滤波，在保证融合图像质量的前提下有效提高运行效率，结合CNN（卷积神经网络）以及红外特征提取进行有效的融合。首先，对源图像利用四叉树分解和贝塞尔插值来提取红外亮度特征结合可见光图像得到初始融合图像。其次，通过快速交替引导滤波获取源图像的基础层与细节层信息，基础层通过CNN与拉普拉斯变换得到融合后的基础图像，细节层通过显著性测量的方法得到融合后的细节图像。最后，将初始融合图、基础融合图以及细节融合图进行相加得到最终融合结果。本算法涉及到的快速交替引导滤波以及特征提取性能使得最终融合结果中包含丰富的纹理细节信息，边缘清晰。经实验表明，本算法所得融合结果在视觉方面具有较好的保真度，客观评价指标较对比方法其信息熵、标准差、空间频率、小波特征互信息、视觉保真度以及平均梯度分别平均提高了9.9%，6.8%，43.6%，11.3%，32.3%，47.1%。

近年来, 高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。 基于回归的一阶段目标检测方法YOLOv4具有检测精度高、 速度快等优点, 但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检, 以及进行大面积地物检测时效率低的问题。 为此, 提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。 首先, 设计由卷积、 批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块, 并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用, 增强小目标地物的检测能力, 降低漏检率; 然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷, 将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial, CSP)的每个残差单元之后, 减少SE注意模块的重复调用次数, 使其能够在提高网络性能的同时降低模型参数量从而提高检测效率; 最后, 针对长条形状的铁路目标提取困难问题, 在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module) 保留原始特征信息, 解决铁路目标特征提取能力差的问题, 提高铁路中大尺度目标的检测效率。 为验证所提方法的有效性, 选取2 048张分辨率为1 920×1 080的某段铁路沿线遥感影像地物样本数据, 将其中的铁路、 房屋、 楼宇建筑、 农田和水池作为检测目标进行实验, 并与当前流行的目标检测方法进行对比。 结果表明, 改进方法不仅增强了对小目标地物的检测能力, 提高了地物检测精度和速度, 而且提高了大尺度目标的检测效率。 与YOLOv4算法相比, mAP提高了2.11%, 准确率提高了2.93%, 召回率提高了3.79%, 模型大小减少了8.53%。 所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。

为了克服红外与可见光图像融合过程中在目标物体的边缘处产生虚影的问题，提出一种基于交替梯度滤波器和改进脉冲耦合神经网络的图像融合方法。在梯度滤波器的基础上结合滚动引导滤波器和平滑迭代恢复滤波器提出一种交替梯度滤波器，可以同时实现小结构消除，局部强度保持和边缘恢复的特性。利用交替梯度滤波器分解源图像，分解为近似层和残差层。近似层采用多尺度形态学算子和最大区域能量与源图像相结合的融合规则，残差层用改进参数自适应脉冲耦合神经网络融合规则进行融合。最后，经过交替梯度滤波器重构得到融合结果图。实验结果表明，与其他5种融合方法进行比较，本文方法的客观评价指标平均梯度、标准差、信息熵、空间频率、边缘强度和视觉保真度分别平均提高了18%，10%，2.8%，16%，51%，11.2%，且能够避免在目标物体的边缘处产生虚影，较好地保留源图像的亮度、边缘、细节及纹理等信息。

针对红外与可见光图像融合中边缘模糊、对比度较低的问题，提出一种二维窗口经验模式分解（WEMD）和生成对抗网络重建的红外与可见光图像融合算法。将红外和可见光图像进行WEMD分解得到内蕴模式函数分量和残余分量，将内蕴模式函数分量通过主成分分析进行融合，残余分量用加权平均进行融合，重构得到初步融合图像，再将初步融合图像输入生成对抗网络中与可见光图像进行对抗博弈，补全背景信息，得到最终的融合图像。客观评价指标采用平均梯度、边缘强度、熵值、结构相似性和互信息，与其他5种方法相比，本文算法的各项指标分别平均提高了46.13%，39.40%，19.91%，3.72%，33.10%。实验结果表明，该算法较好地保留了源图像的边缘及纹理细节信息，同时突出了红外图像的目标，具有较好的可视性，而且在客观评价指标方面也有明显的优势。