近日，ESI科学指标数据库（Essential Science Indicators，简称ESI）最新统计数据显示，我院青年教师梅礼晔与硕士研究生胡兴龙以第一作者单位发表的学术成果 “GTMFuse: Group-attention transformer-driven multiscale dense feature-enhanced network for infrared and visible image fusion”入选ESI高被引论文。该论文发表于《Knowledge-Based Systems》，为中科院一区TOP期刊，影响因子为7.2。ESI高被引论文的遴选标准是全球近10年内同领域年度被引频次排名前1%的顶尖论文，它是衡量学术影响力的一个重要国际标尺。

该研究提出了一种组注意力驱动的多尺度密集特征增强网络，用于红外和可见光图像融合。该模型创新性融合多种注意力机制，通过多层次特征提取，深度挖掘红外图像的热辐射特征与可见光图像的细节纹理信息，实现两类模态数据的精准互补与高效融合。实验表明，在主流公开数据集TNO、MSRS、RoadScene及团队自建的真实场景数据集中，GTMFuse在信息含量、边缘及细节丰富度、视觉感知度等核心指标上均显著优于国际现有方法。该研究成果可为智能安防、军事侦察、自动驾驶及医学影像分析等领域多模态感知技术提供创新性解决方案，具有重要的理论与应用意义。