近日，昆明理工大学信息工程与自动化学院李华锋教授与合肥工业大学刘羽教授合作的论文《MulFS-CAP: Multimodal Fusion-supervised Cross-modality Alignment Perception for Unregistered Infrared-Visible Image Fusion》在《IEEE Transactions on Pattern Analysis and Machine Intelligence》在线发表。IEEE TPAMI是计算机视觉和模式识别领域顶尖期刊，主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性研究成果，是该领域最重要的学术期刊之一。
论文模型图
论文主要针对未配准的红外与可见光图像融合问题，研究了特征未对齐对融合结果的影响，并提出了一种创新的单阶段融合方法——MulFS-CAP。该方法通过跨模态对齐感知，突破了传统两阶段策略的局限，有效降低了计算成本，减少了因配准误差带来的信息损失，并提升了融合质量。由于红外与可见光图像在成像机制上的差异，源图像通常存在显著的空间错位，直接融合可能导致伪影和边界模糊等问题。因此，MulFS-CAP在实现更高效、更精准的图像融合的同时，对红外与可见光图像融合的实际应用具有重要意义。
李华锋教授为该文的第一作者，合肥工业大学刘羽教授为通讯作者。李华锋教授是云南省人工智能重点实验室的核心成员，计算机视觉与图像处理创新团队负责人。近年来，李华锋教授团队在多源图像融合、低质量图像恢复及目标识别等领域取得了显著进展，研究成果多次在国际顶级会议和期刊如CVPR、AAAI、ACMMM及IJCV上发表。
论文链接：https://ieeexplore.ieee.org/document/10856402
