摘要： 可見(jiàn)光與紅外圖像融合旨在利用兩種不同傳感器之間有效的信息，通過(guò)互補(bǔ)的圖像特征實(shí)現(xiàn)圖像增強(qiáng)。然而，當(dāng)前基于深度學(xué)習(xí)的融合方法傾向于優(yōu)先考慮評(píng)價(jià)指標(biāo)。模型的復(fù)雜性較高，權(quán)重參數(shù)較大，推理性能低，泛化性較差，不易部署到無(wú)人機(jī)載邊緣計(jì)算端。為了應(yīng)對(duì)這些挑戰(zhàn)，本文提出了一種新穎的可見(jiàn)光與紅外圖像融合方法，即知識(shí)蒸餾的自適應(yīng)DenseNet來(lái)學(xué)習(xí)預(yù)先存在的融合模型，通過(guò)使用超參數(shù)(例如寬度... （共13頁(yè)）