基于轻量级金字塔密集残差网络的红外图像超分辨增强
Super-resolution Enhancement of Infrared ImagesUsing a Lightweight Dense Residual Network作者机构:重庆电子工程职业学院人工智能与大数据学院重庆401331 重庆望江工业集团有限公司重庆400071 中国人民解放军陆军重庆军代局重庆400050
出 版 物:《红外技术》 (Infrared Technology)
年 卷 期:2021年第43卷第3期
页 面:251-257页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:重庆市教委课题(KJ1729409) 重庆市教委教改重点项目(162072) 装备预研船舶重工联合基金
主 题:超分辨增强 轻量级 红外图像 深度学习 特征级联 损失函数 恒等映射
摘 要:现有的红外制导武器严重依赖操作手对目标的捕获,其捕获的精度与目标的纹理细节正相关。为了提升弱小区域的显示质量,满足现有导引头小型化、模块化、低成本的设计要求,本文设计了一种基于轻量级金字塔密集残差网络的图像增强模型,该模型在密集残差网络基础上通过密集连接层和残差网络来学习不同尺度图像之间的非线性映射,充分利用多尺度特征进行高频残差预测。同时,采用深度监督模块指导网络训练,有利于实现较大上采样因子的超分辨增强,提高其泛化能力。大量仿真实验结果表明本文所提出的超分辨模型能够获得高倍率的超分辨增强效果,其重建质量也优于对比算法。