【技术实现步骤摘要】
本专利技术涉及图像融合，尤其是指一种基于深度学习的稀疏孔径光学系统偏振图像融合方法。
技术介绍
1、稀疏孔径光学系统通过非冗余排列多个子镜实现等效大口径的干涉合成，以子孔径相干叠加的方式突破物理约束，显著降低系统体积与重量，同时保持接近完整孔径的分辨能力，在实现高分辨率成像的同时解决传统大口径光学系统的体积和成本问题。
2、但是，稀疏孔径光学系统的稀疏结构导致调制传递函数中频信息丢失，成像对比度下降；并且，稀疏孔径光学系统对噪声的敏感度增强，具体表现为图像细节模糊、边缘锐度不足等缺陷。为了改善这些缺陷，现有技术中有从结构优化、图像复原等方面入手来提升稀疏孔径成像对比度、处理噪声的做法，但是这些做法都未考虑目标物的偏振因素对成像和图像复原的影响。
3、偏振成像技术通过解析光的偏振态信息，为目标识别提供了光强之外的物理属性维度，在复杂场景中展现出独特优势。但是，目前的偏振图像融合大都是为了突出目标，得到目标特征显著的融合图像，而非为了提高成像质量。并且，在进行偏振图像融合时，现有技术也只是针对解决偏振图像存在的噪声，...
【技术保护点】
1.一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于：所述第二分支编码器提取偏振强度图的局部细节特征时，具体为：
3.根据权利要求1所述的一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于：所述边缘梯度补偿模块提取多级边缘特征，具体为：
4.根据权利要求1所述的一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于：所述编码器还包括跨分支特征交互融合模块，所述跨分支特征交互融合模块融合所述第一分支编码器提...
【技术特征摘要】
1.一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于：所述第二分支编码器提取偏振强度图的局部细节特征时，具体为：
3.根据权利要求1所述的一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于：所述边缘梯度补偿模块提取多级边缘特征，具体为：
4.根据权利要求1所述的一种基于深度学习的稀疏孔径光学系统偏振图像融合方法，其特征在于：所述编码器还包括跨分支特征交互融合模块，所述跨分支特征交互融合模块融合所述第一分支编码器提取的特征生成第一分支编码器的融合特征、融合所述第二分支编码器提取的特征生成第二分支编码器的融合特征；
5.根据权利要求4所述的一种基于深度学习的稀疏孔径光学系统...
【专利技术属性】
技术研发人员：王斐，范君柳，陈宝华，刘熙煜，徐安，
申请(专利权)人：苏州城市学院，
类型：发明
国别省市：
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。