基于深度学习的稀疏孔径光学系统偏振图像融合方法
摘要
稀疏孔径光学系统因其通光面积小于其等效的全孔径光学系统，导致中频信息丢失，使成像产生纹理细节特征模糊和对比度降低等问题。针对此，设计一款基于深度学习网络的稀疏孔径光学系统偏振图像融合方法。该网络利用不同的编码器提取由稀疏孔径光学系统偏振成像计算得到的线偏振度和偏振角特征，通过融合模块强化纹理特征，并结合不同尺寸反卷积核的解码模块最终获得稀疏孔径光学系统的偏振融合图像。基于Golay 3稀疏孔径光学系统开展偏振成像实验，在室内场景成像实验中，图像融合结果的信息熵和标准差指标比稀疏孔径成像分别提升10.10%和63.49%；在室外场景成像实验中，图像融合结果的信息熵和标准差指标比稀疏孔径成像分别提升3.55%和30.35%。与小波变换、偏振融合网络等传统图像融合方法相比，该方法可更有效地提高稀疏孔径光学系统成像的纹理细节特征和对比度。
引用本文（GB/T 7714）
刘熙煜 Liu Xiyu, 王军 Wang Jun, 吴泉英 Wu Quanying, 等. 基于深度学习的稀疏孔径光学系统偏振图像融合方法[J]. Acta Optica Sinica, 2025.
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。