图像融合论文阅读：MURF: Mutually Reinforcing Multi-Modal Image Registration and Fusion

@article{xu2023murf,
title={MURF: Mutually Reinforcing Multi-modal Image Registration and Fusion},
author={Xu, Han and Yuan, Jiteng and Ma, Jiayi},
journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
year={2023},
publisher={IEEE}
}

---

论文级别：SCI A1
影响因子：23.6

📖[论文下载地址]

---

---

🌻【如侵权请私信我删除】

📖论文解读

马佳义大佬团队2023年的一篇论文。该论文之前的版本是RFNet。下图为两个版本的区别和改进

MURF主要利用三个模块：

• SIEM 共享特征提取（shared information extraction module）

捕获跨多个模式共享的信息。它有助于将多模态配准问题转化为公共空间中的单模态配准问题。然后在配准模块中使用提取函数。

• MCRM 多尺度粗配准（multi-scale coarse registration module）

进行全局校正。利用SIEM提取的表示建立配准约束，并将其用于MCRM网络的训练。MCRM输出粗配准后的图像$I_x^R$。

• F2M 精准配准和融合（fine registration and fusion module）

将$I_x^R$和$I_y$作为输入，得到最终的融合图像$I_f$

🔑关键词

Multi-modal images, image registration, image fusion, contrastive learning.
多模态图像，图像配准，图像融合，对比学习

💭核心思想

如下图所示，以往的方法是将配准和融合分开，作者提出的新方法是将两者结合并相互促进。
图像配准采用由粗到细的方法进行处理。对于粗配准，SIEM首先将多模态图像转化为单模态信息，以消除模态间差异。在此基础上，MCRM通过多尺度仿射变换对全局刚性视差进行逐步校正。在单个模块中实现精细配准和融合，进一步提高了配准精度和融合性能。图像融合时在保留源信息的同时进行了纹理增强。

作者认为【图像融合可以反向消除未配准】，因为：

• 融合图像来源于不同模态，减轻了模态差异，降低了配准难度
• 融合过程去除了冗余信息，减少了这些信息对配准的负面影响
• 梯度稀疏可以作为融合评价标准，以反馈的方式提高配准精度

参考链接
[什么是图像融合？（一看就通，通俗易懂）]

🪢网络结构

作者提出的网络结构如下所示。

该网络模型由SIEM, MCRM和F2M组成。上节已经简单介绍了各个模块的作用。接下来让我们看模块内部在干嘛

🪢SIEM

采用了【对比学习】的思想。相同场景的图像对应于较近的表示，而不同场景的图像对应于较远的表示。

扩展学习链接
对比学习（contrastive learning）

多模态数据集包括了配准/粗配准的图像对 { I x i , I y i } i = 1 K \{I_x^i,I_y^i\}_{i=1}^K {Ixi?,Iyi?}i=1K?，K表示图像对的数量。
$I_x$和$I_y$分别表示不同模态$\mathcal{X}$和$\mathcal{Y}$的图像。
这个模块的目标是学习两个函数$f_{\theta 1}^{cl}(?)$和$f_{\theta 2}^{cl}(?)$，将不同模态的图像映射到共享潜在空间，从而提取其潜在表示$z_x^i=f_{\theta 1}^{cl}(I_x^i)$和$z_y^i=f_{\theta 2}^{cl}(I_y^i)$
{ I x i , I y i } \{I_x^i,I_y^i\} {Ixi?,Iyi?}表示相同场景的图像对，因此 { z x i , z y i } \{z_x^i,z_y^i\} {zxi?,zyi?}是正对（positive pairs），应该被拉入潜在空间。
{ I x i , I y j ( i ≠ j ) } \{I_x^i,I_y^{j(i \neq j)}\} {Ixi?,Iyj(i=j)?}或者 { I x i , I x j ( i ≠ j ) } \{I_x^i,I_x^{j(i \neq j)}\} {Ixi?,Ixj(i=j)?}表示多模态或者不同场景的单模态图像，是负对，应该被分离。

用来学习$f_{\theta 1}^{cl}(?)$和$f_{\theta 2}^{cl}(?)$对比学习的损失函数被定义为InfoNCE损失：

$s(?)$是鉴别器函数，正对值高负对值低。

同时，作者利用旋转等价来细化潜表示的精细度。即对$f_{\theta 1}^{cl}(?)$和$f_{\theta 2}^{cl}(?)$进行像素级旋转和反向旋转。

🪢MCRM

在训练阶段，使用上一节训练好的$f_{\theta 1}^{cl}(?)$和$f_{\theta 2}^{cl}(?)$提取$I_x$和$I_y$的共享信息$z_x$和$z_y$，然后利用仿射变换（affine transform）提高$z_x$和$z_y$之间的配准度。注意，训练阶段SIEM里参数是固定的。在测试阶段，只有MCRM用于粗配准。
在单尺度的网络中，使用大的卷积核和较深的网络结构是常态，为了解决这个问题，作者采用了一种多尺度渐进式配准策略减少参数量、加快收敛速度。

这个图应该从下往上看，即一开始训练AffineNet是下采样4倍的时候，然后在下采样2倍的时候继续，使用下采样4倍的参数作为粗空间变换。同理，到原尺寸的时候，使用4倍和2倍的参数作为粗空间变换，得到最精细的参数p1。即输出为粗配准的图像$I_x^R=ST(I_x,p_1{P}_{\downarrow 2}{P}_{\downarrow 4})$
那么空间变换是什么样子的呢?
给定一个图像X和仿射参数p，在常规采样网格上使用p，生成一个H×W×2的形变场$?$，代表了X中像素的变形。形变场$?$的两个通道分别代表垂直方向和水平方向：

该模块的损失函数为：

🪢F2M

这个模块在训练分为两个阶段，融合阶段和微配准阶段。

测试阶段，将粗配准的图像$I_x^R$和$I_y$输入变形块进行空间变换以及矫正局部视差，得到变形后的$I_x^R$即$I_x^F$。然后通过后续的提取层、梯度通道注意力块、重构层融合得到最终的融合图像$I_f$。

图像融合的损失函数为：

在训练微配准网络的时候，生成了一个局部平滑的非刚性形变场${?}^{nr}$

微调配准损失函数：

📉损失函数

上面分节已介绍

🔢数据集

图像融合数据集链接
[图像融合常用数据集整理]

🎢训练设置

🔬实验

📏评价指标

• MG
• EI
• VIF

参考资料
[图像融合定量指标分析]

🥅Baseline

• DenseFuse, DIF-Net, IFCNN, MDLatLRR, RFN-Nest, U2Fusion

???参考资料
???强烈推荐必看博客[图像融合论文baseline及其网络模型]???

🔬实验结果

更多实验结果及分析可以查看原文：
📖[论文下载地址]

---

🚀传送门

📑图像融合相关论文阅读笔记

📑[(A Deep Learning Framework for Infrared and Visible Image Fusion Without Strict Registration]
📑[(APWNet)Real-time infrared and visible image fusion network using adaptive pixel weighting strategy]
📑[Dif-fusion: Towards high color fidelity in infrared and visible image fusion with diffusion models]
📑[Coconet: Coupled contrastive learning network with multi-level feature ensemble for multi-modality image fusion]
📑[LRRNet: A Novel Representation Learning Guided Fusion Network for Infrared and Visible Images]
📑[(DeFusion)Fusion from decomposition: A self-supervised decomposition approach for image fusion]
📑[ReCoNet: Recurrent Correction Network for Fast and Efficient Multi-modality Image Fusion]
📑[RFN-Nest: An end-to-end resid- ual fusion network for infrared and visible images]
📑[SwinFuse: A Residual Swin Transformer Fusion Network for Infrared and Visible Images]
📑[SwinFusion: Cross-domain Long-range Learning for General Image Fusion via Swin Transformer]
📑[(MFEIF)Learning a Deep Multi-Scale Feature Ensemble and an Edge-Attention Guidance for Image Fusion]
📑[DenseFuse: A fusion approach to infrared and visible images]
📑[DeepFuse: A Deep Unsupervised Approach for Exposure Fusion with Extreme Exposure Image Pair]
📑[GANMcC: A Generative Adversarial Network With Multiclassification Constraints for IVIF]
📑[DIDFuse: Deep Image Decomposition for Infrared and Visible Image Fusion]
📑[IFCNN: A general image fusion framework based on convolutional neural network]
📑[(PMGI) Rethinking the image fusion: A fast unified image fusion network based on proportional maintenance of gradient and intensity]
📑[SDNet: A Versatile Squeeze-and-Decomposition Network for Real-Time Image Fusion]
📑[DDcGAN: A Dual-Discriminator Conditional Generative Adversarial Network for Multi-Resolution Image Fusion]
📑[FusionGAN: A generative adversarial network for infrared and visible image fusion]
📑[PIAFusion: A progressive infrared and visible image fusion network based on illumination aw]
📑[CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion]
📑[U2Fusion: A Unified Unsupervised Image Fusion Network]
📑综述[Visible and Infrared Image Fusion Using Deep Learning]

📚图像融合论文baseline总结

📚[图像融合论文baseline及其网络模型]

📑其他论文

📑[3D目标检测综述：Multi-Modal 3D Object Detection in Autonomous Driving：A Survey]

🎈其他总结

🎈[CVPR2023、ICCV2023论文题目汇总及词频统计]

?精品文章总结

?[图像融合论文及代码整理最全大合集]
?[图像融合常用数据集整理]

如有疑问可联系：420269520@qq.com;
码字不易，【关注，收藏，点赞】一键三连是我持续更新的动力
祝各位早发paper，顺利毕业~