现有的红外制导**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。

无人机在复杂飞行过程中, 因大气气流及光学设备成像等影响造成采集到的红外图像分辨率过低; 另外, 因各帧图像分辨率不同, 基于固定层数分解的金字塔模型在同一区域下的显著图提取结果存在差异, 无法借助视觉技术实现无人机目标定位及自主导航。提出一种改进Itti模型下的红外图像感兴趣区域提取及SR重建算法。算法首先引入多特征对红外图像序列进行金字塔动态分层模型构建; 然后, 针对不同分辨率下的多帧红外图像进行感兴趣区域的动态提取来克服传统Itti算法的不足; 最后, 提出基于共轭梯度法的目标函数最小化红外图像超分辨率重建算法, 对感兴趣区域进行空间SR重建, 提高感兴趣区域目标的空间分辨率。实验验证了提出算法的有效性及准确性。