基于深度学习的红外图像超分辨率重建

• 作者: 史永祥 张志良 李庆武 杨桂生 蒋斌 黄雍晫
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 神经网络 深度学习 残差网络 红外图像 超分辨率重建 池化层 感受野 增强预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能科学与技术
• 页码范围: 8-13
• 页数: 6页
• 分类号: TP31
• 语种: 中文
• DOI: 10.11991/yykj.201912020

摘要

为提升红外图像分辨率,本文构建了用于红外图像超分辨率重建的IEDSR(enhanced deep residual networks for infrared image super-resolution)网络.该网络在EDSR网络模型的基础上加入了池化层,避免了EDSR(enhanced deep residual networks for single image super-sesolution)网络移除批正则化层(batch normalization,BN)可能会带来训练困难的问题.同时考虑到红外图像对比度低、纹理不明显的特性,在残差块内加入新的卷积层和激活层,通过增加网络深度扩大局部残差模块的感受野,有利于恢复图像的局部细节信息.最后利用增强预测算法对重建图像进行优化,提升重建精度.实验结果表明:本文算法重建的红外图像在主观视觉效果与客观指标上较传统红外图像重建方法均有所改善,具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李庆武		99	812	17.0	24.0
2	史永祥		1	0	0.0	0.0
3	蒋斌		1	0	0.0	0.0
4	黄雍晫		1	0	0.0	0.0
5	杨桂生		1	0	0.0	0.0
6	张志良		2	2	1.0	1.0