基于DenseFuse网络的无人机载红外和可见光鹿科动物图像融合

野生鹿科（Cervidae）动物作为生态系统的组成部分，在维持生态平衡方面扮演着至关重要的角色。无人机影像技术在野生动物监测中的应用已日趋成熟，但受自然光照条件和野外环境复杂多变的影响，单一光谱成像技术很难得到高质量的野生鹿科动物图像。因此提出一种基于DenseFuse网络的图像融合算法，通过无人机搭载的多光谱成像设备，将红外图像与可见光图像融合，同时保留红外图像的轮廓信息和可见光图像的外貌信息，提高了监测图像质量。基于野生鹿科动物影像数据集，采用多种图像融合策略进行实验，对红外图像与可见光图像的融合效果展开细致对比。结果显示，通过使用<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><msub><mrow><mi>l</mi></mrow><mrow><mn mathvariant="normal">1</mn></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/946AAFC2-9BC3-4576-8FDE-6B743CC672F2-M001.jpg"><?fx-imagestate width="1.94733346" height="3.21733332"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/946AAFC2-9BC3-4576-8FDE-6B743CC672F2-M001c.jpg"><?fx-imagestate width="1.94733346" height="3.21733332"?></graphic></alternatives></inline-formula>-norm融合策略所获得的综合评价指标最优，经该策略融合后得到的图像平均信息熵达到了6.965。这一结果表明，本研究所提出的无人机多光源图像融合算法能够为野生动物监测工作提供可靠的技术支撑。