改进的卷积神经网络红外图像超分辨率算法

基金项目: 西南科技大学研究生创新基金(19ycx0054)

详细信息

Infrared Image Super-resolution Using Improved Convolutional Neural Network

摘要: 基于卷积神经网络的图像超分辨率算法可以分为图像尺寸放大和图像细节恢复/增强两个步骤,在细节恢复过程中,卷积层直接从输入图像中学习特征并将该特征作为下一个卷积层的输入数据.为了加强输入图像和卷积层各通道图像的特征表达能力,提出了一种新的卷积神经网络算法,该算法对输入图像和通道图像进行选择性灰度变换而增强特征表达的能力.实验结果表明,在公共红外图像数据集和实验室采集的红外图像数据集上,所提方法的超分辨率重建效果均优于当前的几种典型算法,能够恢复的细节信息更多.
- 红外图像 /
- 超分辨率 /
- 深度学习 /
- 灰度变换

1.	杨娅娅，张艳，赵坚. 太赫兹技术在农作物品质检测中的研究进展. 应用激光. 2024(01): 109-118 . 百度学术
2.	屈薇薇，李欣宇，邓琥，邱义敏，刘耀文. 基于THz-TOF的塑料管材厚度测量方法. 西南科技大学学报. 2023(02): 92-96 . 百度学术
3.	刘祚时，周继雯，俞跃，李伟，叶超，唐大为. 油气管道聚乙烯层粘接缺陷的红外热成像检测方法和信号增强技术研究. 中国测试. 2019(11): 1-8 . 百度学术