大气散射增强与频域空间-通道注意力融合：红外与可见光图像融合的创新方法

《Pattern Recognition》：AFFusion: Atmospheric scattering enhancement and frequency integrated spatial-channel attention for infrared and visible image fusion

本文推荐AFFusion框架，创新性地将大气散射物理模型（ASM）与频域特征（Fourier Transform）相结合，通过传输图（transmission map）和大气光（atmospheric light）估计解决可见光图像的能量衰减与散射问题，并引入频域空间-通道注意力（FSCA）模块增强纹理细节。实验表明其显著提升融合图像的对比度、光照均衡性及纹理保真度，为多模态视觉任务（如SOD）提供可靠支持。

　　

Highlight

本研究提出AFFusion框架，首次将大气散射理论（Atmospheric Scattering Theory）整合到红外与可见光图像融合（IVIF）中，通过新型大气散射增强模块（ASEM）实现物理引导的全局光照校正与色彩对比度提升。该模块创新性地将传输图（transmission map）和大气光（atmospheric light）估计转化为可学习的网络组件，在保留传统ASM物理解释性的同时，支持端到端优化。

Method

ASEM通过辐射传输过程显式建模：传输图反转散射导致的衰减以保护高频边缘，而全局大气光约束防止过增强伪影。针对模态差异引起的纹理损失问题，提出频域空间-通道注意力（FSCA）模型，利用傅里叶变换（Fourier Transform）分解振幅与相位成分，结合空间注意力聚焦局部显著区域，通道注意力动态调制关键频率成分，实现多尺度纹理建模。

Experiments

在五个数据集上的定量与定性分析表明，AFFusion在光照均衡性、对比度及纹理保真度上均超越现有方法（如CNN、GAN基模型）。下游显著目标检测（SOD）任务进一步验证其增强特征对高层视觉任务的有效支撑。

Conclusion

AFFusion通过ASEM与FSCA的协同设计，首次系统解决了IVIF中耦合物理退化（如散射、低光）与纹理损失的挑战，为复杂场景下的多模态融合提供了物理可解释且鲁棒的解决方案。

Uncited float

表2（未引用内容）

CRediT authorship contribution statement

胡继伟（Jiwei Hu）：监督与调研；宋成成（Chengcheng Song）：方法论与初稿；金启文（Qiwen Jin）：经费支持与修订；林建文（Kin-Man Lam）：概念设计与监督。

Declaration of competing interest

作者声明无利益冲突。