基于深度学习的红外成像退化模型辨识及超分辨率成像方法
摘要
红外成像系统由于制造工艺和成本制约，分辨率仍然较低。图像超分辨率重建技术是提高图像分辨率的有效方法，获得了广泛研究，并在仿真图像上获得了很好的效果，但应用于实际图像时效果不甚理想，主要原因是实际成像退化更加复杂，包括红外光学系统像差和装配误差引起的空间非一致模糊，以及受工作温度影响导致的模糊核变化。针对上述问题，提出一种基于深度学习的红外成像退化模型辨识方法和基于退化模型约束的超分辨率重建方法，通过在不同工作温度下采集标定靶标图像，标定不同工作温度、不同空间位置的模糊核；采用卷积神经网络建立成像退化模型，并利用定标数据进行模型参数求解，为超分辨率重建提供更多先验信息；设计迭代超分辨率重建网络，交替进行退化参数估计和超分辨率重建，经过多次迭代逐步提高重建效果。实验结果表明，采用卷积神经网络求解的成像退化模型可准确描述模糊核变化规律，基于退化模型约束和退化参数在线学习的超分辨率重建方法可显著提高红外超分辨率成像的效果，具有较高的工程应用价值。
引用本文（GB/T 7714）
曹军峰 Cao Junfeng, 丁庆海 Ding Qinghai, 邹德鹏 Zou Depeng, 等. 基于深度学习的红外成像退化模型辨识及超分辨率成像方法[J]. Infrared and Laser Engineering, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。