基于W1距离度量流速解耦的红外可见光图像融合方法

本发明属于深度学习与计算机视觉交叉技术领域，公开一种基于W1距离度量流速解耦的红外可见光图像融合方法。本发明基于一阶瓦塞斯坦距离度量的跨模态图像速度解耦流匹配方法解决了高维特征空间中非线性耦合难以彻底消除的理论瓶颈。本发明可以作为一个高纯净度的模态不可知特征提取范式，为复杂的遥感下游任务提供强大的底层特征驱动，甚至无需领域自适应即可在跨模态数据上实现卓越的性能。本发明解决了小批次数据训练下传统解耦方法极易产生数值震荡与特征坍缩的难点，提出的基于确定性错排的伪分布构建与极小极大交替优化策略，不仅实现了内容与风格在动力学层面的绝对解耦，更能生成语义高度一致且像素级配对的跨模态图像数据。