System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及设热红外成像,具体涉及一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法。
技术介绍
1、由于红外热成像技术的全天候监控的优势,广泛应用于夜晚视频监控、目标侦查等任务。然而,与可见光(vis图像相比,热红外图像存在分辨率低、噪声大、边缘模糊与细节确实等问题。因此,为了实现高分辨率的热红外图像,通常采用超分辨率重构技术。
2、单一图像超分辨率(sisr是一个经典的计算机视觉问题,旨在从给定的低分辨率(lr图像恢复到高分辨率(hr图像。sr重建算法根据时间和效果分为两类:传统算法和深度学习算法。传统的sr重建算法主要依靠基本的数字图像处理技术进行重建,常见的有基于插值、基于退化模型和基于学习的方法。例如dong等人发表的"image super-resolutionusing deep convolutional networks,"ieee trans.pattern anal.mach.intell.,vol.38,no.2,pp.295-307,feb.2015;在2014年将三层卷积神经网络用于图像sr重建领域,他们取得了最先进的恢复质量。
3、基于卷积神经网络(cnn的方法明显改善了图像的sr,为了进一步提高重建图像的视觉质量,基于生成对抗网络(gans的方法被引入到sr重建领域。
4、在vis图像领域sisr已经取得了良好的效果,在红外图像领域也进行了一些研究;然而,上述研究还是存在细节恢复差、噪声大等问题。
技术实现思路
...【技术保护点】
1.一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法,其特征是,包括如下步骤:
2.根据权利要求1所述的一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法,其特征在于,所述的Step2中多结构融合模型包含动态密集-注意DDA模块,动态密集-注意DDA模块通过使用相同的输入特征作为两个独立的分支来产生权重:
3.根据权利要求2所述的一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法,其特征在于,所述的Step3中构建生成器网络的具体过程为:
【技术特征摘要】
1.一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法,其特征是,包括如下步骤:
2.根据权利要求1所述的一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法,其特征在于,所述的step2中多结构融合模型包含动态密集-注意...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。