超低照度下微光图像的深度卷积自编码网络复原

• 作者: 刘超 张晓晖
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 微光图像 图像复原 卷积神经网络 图像去噪 子像素卷积
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息科学
• 页码范围: 951-961
• 页数: 11页
• 分类号: TN223
• 字数: 5828字
• 语种: 中文
• DOI: 10.3788/OPE.20182604.0951

摘要

微光/红外图像彩色融合是目前国内外夜视技术的重要发展方向,在超低照度下(环境照度小于2×10-3lux),由于成像器件限制,微光图像具有低信噪比、低对比度等特点,导致目标难以辨识,成为制约彩色夜视技术的关键.为了提高目标的探测和识别率,提出了一种基于卷积自编码网络的微光图像复原方法,利用卷积自编码网络从微光图像训练集中学习超低照度下微光图像特征,实现去噪和对比度增强.实验结果表明,本文提出的方法得到的峰值信噪比(Peak Signal to Noise Ratio,PSNR)较经典的BM3D算法平均提高1.67 dB,结构相似度(Structural Similarity Index,SSIM)的值平均提高0.063,均方根对比度的值(Root Mean Square Contrast,RMSC)平均提高0.19.对微光图像复原具有很好的效果,能够有效地提高信噪比和对比度水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓晖	海军工程大学兵器工程系	112	670	13.0	20.0
2	刘超	海军工程大学兵器工程系	10	21	3.0	4.0