基于深度卷积神经网络的红外图像超分辨率重建技术 |
| |
引用本文: | 袁茜琳,张宝辉,张倩,何铭,周金杰,练琤,岳江.基于深度卷积神经网络的红外图像超分辨率重建技术[J].红外技术,2023(5):498-505. |
| |
作者姓名: | 袁茜琳 张宝辉 张倩 何铭 周金杰 练琤 岳江 |
| |
作者单位: | 1. 昆明物理研究所;2. 河海大学理学院 |
| |
摘 要: | 由于器件及工艺等技术限制,红外图像分辨率相对可见光图像较低,存在细节纹理特征模糊等不足。对此,本文提出一种基于深度卷积神经网络(convolutional neural network,CNN)的红外图像超分辨率重建方法。该方法改进残差模块,降低激活函数对信息流影响的同时加深网络,充分利用低分辨率红外图像的原始信息。结合高效通道注意力机制和通道-空间注意力模块,使重建过程中有选择性地捕获更多特征信息,有利于对红外图像高频细节更准确地进行重建。实验结果表明,本文方法重建红外图像峰值信噪比(peak signal to noise ratio,PSNR)优于传统的Bicubic插值法以及基于CNN的SRResNet、EDSR、RCAN模型。当尺度因子为×2和×4时,重建图像的平均PSNR值比传统Bicubic插值法分别提高了4.57 dB和3.37 dB。
|
关 键 词: | 红外图像 超分辨率率重建 卷积神经网络 注意力机制 |
|
|