En escenarios complejos, los modelos de fusión a menudo tienen dificultades para extraer completamente la estructura global a gran escala de las imágenes infrarrojas y las características locales a pequeña escala de las imágenes visibles, y fusionarlas de manera colaborativa, lo que resulta en una fusión deficiente. Este artículo propone un principio de fusión colaborativa basado en la división de escalas, y diseña un nuevo modelo de fusión basado en la estructura de un autoencoder, donde el codificador y el decodificador usan la arquitectura de redes neuronales convolucionales (CNN). El modelo utiliza un mecanismo de atención global de doble grupo, extrayendo información agrupada en las direcciones de longitud y ancho de los mapas de características, y luego pondera los mapas a través de un mapa de atención de doble grupo a través de canales, generando nuevos mapas de características que contienen más información global a gran escala, logrando la extracción de información de imagen en múltiples dimensiones; utiliza un mecanismo de convolución dilatada multiescala que, mediante campos receptivos de diferentes tamaños y la implementación de pooling global medio y mediano, extrae características locales a pequeña escala en las imágenes; el decodificador integra capas de conexión densa y conexiones de salto de las características de estructura a gran escala y detalles a pequeña escala para que se fusionen colaborativamente y reconstruyan la imagen fusionada. Los resultados experimentales muestran que este método en los conjuntos de datos MSRS y TNO, en comparación con otros métodos, mejora la entropía de la información, el gradiente medio y la intensidad del borde en un 0,95%, 6,28%, 6,19% y 1,75%, 13,51%, 11,75% respectivamente. La frecuencia espacial aumentó un 4,61% en el conjunto MSRS, y fue la segunda mejor después del método MDLSR-RFM en TNO, mejorando eficazmente la calidad de las imágenes fusionadas en escenarios complejos, además de tener buena estabilidad y capacidad de generalización.

fusión de imágenes infrarrojas y visibles;mejora de imágenes;atención global de doble grupo;convolución dilatada