1. 一种基于自编码器的红外与可见光图像融合算法，其特征在于， 包括步骤如下：S1，通过短跨层连接与ECA注意力机制相结合的方式，构建编码器网络；

S2，将配准后的红外与可见光图像输入进编码器网络中，并对编码器和解码器网络进行训练，得到满足条件的编码器；

其中，采用自动编码器损失函数 来训练自动编码器网络， 定义如下，其中， 表示输入图像与输出图像之间的像素损失， 表示输入图像与输出图像之间的结构相似性损失；是 和 两者之间的权衡参数；

损失计算表达式如下：

其中， 是Frobenius范数；

损失计算表达式如下：

其中， 是结构相似性度量；

S3，对输入的图像，通过构建的融合网络进行特征融合，并对融合网络进行训练，得到满足条件的融合网络；

所述融合网络由LReLU激活函数与 卷积层叠加、Tanh激活函数与 卷积层叠加、注意力机制CBAM、 卷积层组成；采用三次 卷积和LReLU激活函数组成的基本块对源图像进行特征提取；通过 卷积层与CBAM注意力机制深度提取源图像的细节信息，将提取到的细节特征信息与三次基本块提取到的特征信息相互拼接；最后由Tanh激活函数与卷积层组成的基本块进行卷积并且输出；

其中，采用融合策略损失函数 来训练融合网络，融合策略损失函数 定义如下：其中， 和 分别代表背景细节保持损失函数和目标特征增强损失函数，是一个权衡参数； 计算表达式如下：其中，Ivi表示可见光图像；

计算表达式如下：

式中， 是多尺度深度特征的数量；为用于平衡损失幅度的权衡参数向量； 为融合特征， 为可见光特征 的相对影响系数， 为红外特征 的相对影响系数；

S4，将融合后的图像通过解码器进行解码重建图。

2.根据权利要求1所述基于自编码器的红外与可见光图像融合算法，其特征在于，步骤S1中，所述编码器由卷积层和ECA注意力机制组成，在四个尺度上对输入图像进行特征提取；所述卷积层通过短跨层与ECA注意力机制连接。