基于深度学习的红外夜视图像超分辨率重建

• 作者: 王丹 陈亮
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 红外夜视图像 超分辨率 预处理 超深神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 963-969
• 页数: 7页
• 分类号: TP183
• 字数: 4542字
• 语种: 中文

摘要

针对红外夜视图像对比度低、成像质量不高的问题,提出适合红外夜视图像超分辨率重建方法.在自然图像超分辨率重建模型的基础上增加基于Retinex的对比度增强预处理步骤,并对网络模型做如下改进:构建超深卷积神经网络学习低分辨率图像与高分辨率图像之间的映射关系,增大感受野,提升网络学习能力;仅学习高低分辨率图像间的差值信息加速网络收敛.针对高分辨率红外夜视图像不易获得,数据量较少的问题,利用迁移学习理论,使用少量的高分辨率红外夜视图像为目标样本,对自然图像超分辨率重建模型进行微调,得到适合红外夜视图像重建的网络权重模型.实验结果证明:使用该方法得到的红外夜视图像信息丰富,层次分明,具有良好的视觉效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	东华大学信息科学与技术学院	125	1242	18.0	27.0
2	王丹	东华大学信息科学与技术学院	17	33	3.0	5.0