1 Shanghai Institute of Technical Physics, Chinese Academy of Sciences, Shanghai 200083, China
2 University of Chinese Academy of Sciences, Beijing 100049, China
3 Key Laboratory of Intelligent Infrared Perception, Chinese Academy of Sciences, Shanghai 20008, China
在红外超分辨率成像应用中，提高主观视觉效果有着很现实的需求.当前基于深度学习的图像超分辨率重建方法大多以客观评价指标为损失函数进行训练和优化，主观评价方法因量化困难而难以应用，为此本文着重研究了主观评价和各种可量化的客观评价指标的相关性，发现相位一致性特征与主观评价结果关联度高.据此设计了基于主客观联合评价的损失函数，应用于红外图像超分辨率重建算法，实验表明，在保持客观质量评价的同时，更好地提高了图像的主观视觉效果.
超分辨率重建 红外图像 主客观联合评价 损失函数 super-resolution reconstruction infrared image subjective and objective joint evaluation loss function
1 中国科学院上海技术物理研究所, 上海 200083
2 中国科学院大学, 北京 100049
3 中国科学院红外探测与成像技术重点实验室, 上海 200083
提出了一种用于空中红外目标检测的增强单发多框检测器(SSD)方法。分析了感受野与特征图层数的关系,同时采用池化和转置卷积操作的特征图双向融合机制,从整体上增强了特征的表达能力。通过引入浅层特征图的语义增强分支,并在高分辨率特征图上增加预测框,可提升小尺寸目标的定位精度。在VOC2007小目标和空中红外目标数据集上进行了对比测试,平均精度分别提高了7.1%和8.7%,此时检测速度略有下降。结果表明,增强SSD可在空中红外目标检测中获得较好的性能。
机器视觉 单发多框检测器 空中红外目标 目标检测 特征融合 语义分割
1 中国科学院上海技术物理研究所, 上海 200083
2 中国科学院大学, 北京 100049
3 中国科学院红外探测与成像技术重点实验室, 上海 200083
高分辨率红外图像的获取受到了硬件性能的限制, 利用信号处理的方法实现红外图像的超分辨率重建可以有效地提高红外图像的分辨率.将基于深度学习的超分辨方法应用于红外图像, 实现了单帧红外图像的超分辨率重建, 获得了更好的评价结果.通过引入对抗训练的思想, 以及添加基于判别网络的损失函数分量, 提高了放大倍数的同时, 获得更好的高频细节恢复, 图像边缘锐化, 避免了超分辨率红外图像过于模糊.
红外图像 超分辨率重建 深度学习 生成对抗网络 infrared image super resolution deep learning GAN
