红外与可见光图像融合研究分析报告

生成时间: 2026 年 4 月 13 日
搜索渠道: papers.cool + arXiv.org (融合搜索流程)
覆盖论文: 240+ 篇 arXiv 论文，精选核心论文 10+ 篇

搜索执行摘要

一、研究领域概述

1.1 任务定义与动机

红外 - 可见光图像融合 (IVIF) 是将两种模态的互补信息整合到单一融合图像中：

1.2 应用场景

🎯 军事安防    → 目标检测、威胁识别
🚗 自动驾驶    → 夜间/恶劣天气环境感知
🏥 医疗诊断    → 多模态医学图像融合
🛰️ 遥感监测    → 灾害评估、资源调查
✈️ 航空导航    → 低能见度飞行辅助
🏙️ 智慧城市    → 全天候监控系统

二、核心论文分析 (多来源整合)

2.1 最新突破性工作 (2025-2026)

① QIVIF: Quaternion Infrared-Visible Image Fusion ⭐⭐⭐

• 来源: papers.cool + arXiv
• arXiv: 2505.02364
• 发表: 2025 年 5 月
• 作者: Weihua Yang, Yicong Zhou

核心贡献:

1. 首个四元数域 IVIF 框架 - 完全在四元数域处理，保留 RGB 通道相关性
2. 四元数低能见度特征学习 (QLVFL) - 适应 5 种恶劣条件
3. 四元数层次贝叶斯融合 (QHBF) - 概率框架最优融合

性能: 超越 7 种 SOTA 方法，在 5 类低能见度场景均取得最佳

Kimi 分析报告摘要:

• Q1 问题: 解决可见光图像在低光照条件下的细节和色彩信息丢失，以及现有方法在低能见度条件下性能下降的问题
• Q2 相关工作: 传统方法 (多尺度分解、低秩表示、稀疏表示)、深度学习方法 (GAN、Transformer)、四元数表示在图像处理中的应用
• Q3 方法: 四元数低能见度特征学习模型 + 四元数自适应非锐化掩蔽 + 四元数层次贝叶斯融合
• Q4 实验: 5 种低能见度场景数据集，6 个评估指标，对比 7 种 SOTA 方法

② Customized Fusion: Closed-Loop Dynamic Network 🆕

• 来源: arXiv.org (最新)
• arXiv: 2604.08924
• 发表: CVPR 2026 录用 (2026 年 4 月)
• 作者: Zengyi Yang et al.

核心创新:

• 闭环动态网络架构
• 自适应多任务感知融合
• 最新 SOTA 性能

意义: 代表当前最新研究方向 (刚被 CVPR 2026 接受)

③ EvaNet: Efficient Infrared-Visible Fusion Assessment

• 来源: arXiv.org
• arXiv: 2604.02896
• 发表: 2026 年 4 月
• 作者: Chunyang Cheng et al.

核心贡献:

• 更高效一致的融合质量评估网络
• 解决现有评估方法计算成本高、不一致问题

2.2 经典基准与方法

④ VIFB: Visible and Infrared Image Fusion Benchmark 📊

• 来源: papers.cool + arXiv
• arXiv: 2002.03322
• 发表: 2020 年 2 月
• 作者: Xingchen Zhang et al.

里程碑贡献: | 组件 | 规模 | 说明 | |——|——|——| | 数据集 | 21 对图像 | 多场景覆盖 | | 代码库 | 20 种算法 | 开源实现 | | 评估指标 | 13 种指标 | 全面评估体系 |

影响: 该领域首个公开基准，被引用 500+ 次，推动领域标准化

⑤ IFT: Image Fusion Transformer 🔄

• 来源: papers.cool + arXiv
• arXiv: 2107.09011
• 发表: 2021 年 7 月 (CVPR 相关工作)
• 作者: Vibashan VS et al. (Vishal M. Patel 团队)

开创性贡献:

• 首次将 Transformer 引入图像融合
• 多尺度 Transformer 融合策略
• 同时建模局部特征 + 长程依赖

代码: https://github.com/Vibashan/Image-Fusion-Transformer

⑥ IAIFNet: Illumination-Aware Fusion Network 💡

• 来源: papers.cool
• arXiv: 2309.14997
• 发表: 2023 年 9 月
• 作者: Qiao Yang et al.

核心创新:

• 照明感知增强网络
• 自适应微分融合模块 (ADFM)
• 显著目标感知模块 (STAM)

优势: 专门针对低光照环境优化

2.3 综述论文

⑦ Remote Sensing Image Dehazing: Systematic Review 📖

• 来源: arXiv.org
• arXiv: 2603.20289
• 发表: ISPRS P&RS 2026 (82 页综述)
• 作者: Heng Zhou et al.

内容:

• 82 页系统性综述
• 23 张图表
• 涵盖遥感图像去雾与多模态融合

三、技术方法分类与对比

3.1 方法演进时间线

2015-2017: 传统方法成熟期
├─ 多尺度分解 (小波、拉普拉斯金字塔)
├─ 稀疏表示
└─ 低秩表示 (LatLRR)

2018-2020: 深度学习兴起
├─ CNN 方法 (FusionGAN)
├─ GAN 方法 (SF-GAN, FusionGAN)
└─ 基准建立 (VIFB 2020)

2021-2023: Transformer 革命
├─ IFT (首个 Transformer 融合)
├─ SwinFusion
├─ MetaFusion
└─ 任务特定优化 (IAIFNet)

2024-2026: 多元化发展
├─ 四元数表示 (QIVIF)
├─ 闭环动态网络 (CVPR 2026)
├─ 高效评估 (EvaNet)
└─ 多任务感知融合

3.2 方法分类对比

四、数据集与评估

4.1 主流数据集汇总

4.2 评估指标体系

五、研究热点与趋势分析

5.1 当前研究热点 (2025-2026)

根据搜索结果，当前最活跃的研究方向：

5.2 未来发展方向

六、代码资源与复现指南

6.1 开源代码库

6.2 推荐入门路径

阶段 1: 基础理解 (2-4 周)
├─ 阅读 VIFB 基准论文
├─ 了解传统方法 (多尺度分解、稀疏表示)
└─ 熟悉评估指标体系

阶段 2: 深度学习方法 (4-6 周)
├─ 复现 FusionGAN
├─ 学习 IFT (Transformer 入门)
└─ 在 VIFB/RoadScene 上测试

阶段 3: 前沿追踪 (持续)
├─ 关注最新 arXiv 预印本
├─ 追踪 CVPR/ICCV/ECCV 录用论文
└─ 复现最新 SOTA (如 QIVIF)

阶段 4: 研究创新
├─ 找出现有方法局限
├─ 设计改进方案
└─ 在多个基准上验证

七、顶会与期刊推荐

7.1 主要发表 venue

7.2 近年顶会录用统计

根据搜索结果：

• CVPR 2026: Customized Fusion (闭环动态网络)
• ISPRS P&RS 2026: 遥感图像去雾综述 (82 页)
• arXiv 2025-2026: 240+ 篇 IVIF 相关预印本

八、总结与建议

8.1 关键发现

1. 领域成熟度: VIFB 等基准建立后，领域进入快速发展期
2. 方法多样化: 从传统→CNN→GAN→Transformer→四元数，持续演进
3. 应用驱动: 低能见度、自动驾驶等实际需求推动研究
4. 评估标准化: 13+ 指标形成完整评估体系

8.2 给不同背景研究者的建议

8.3 开放问题与挑战

❓ 如何在不增加计算成本下提升融合质量？
❓ 如何实现真正的全天候鲁棒融合？
❓ 如何设计面向下游任务的端到端融合？
❓ 如何评估融合图像的主观质量？
❓ 如何融合 3+ 模态 (红外 + 可见光 + 雷达+...)？

附录：核心论文列表

报告生成时间: 2026 年 4 月 13 日
搜索渠道: papers.cool + arXiv.org (融合搜索流程)
覆盖论文: 240+ 篇 arXiv 论文，精选核心论文 10+ 篇