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.
-
-
期刊类型引用(9)
1. 白皓,白廷柱. 基于深度残差神经网络的红外图像超分辨率重构算法. 红外技术. 2024(02): 176-182 . 本站查看
2. 上官小雨,于跃波. 视觉传达的多帧平面图像纹理细节增强算法. 吉林大学学报(信息科学版). 2023(02): 359-366 . 百度学术
3. 赵利芬,常晓通. SAR图像增强的建筑基坑底面下沉风险监测仿真. 计算机仿真. 2023(09): 291-295 . 百度学术
4. 胡德敏,闵天悦. 改进型轻量级GAN的红外图像超分辨率方法. 小型微型计算机系统. 2022(08): 1711-1717 . 百度学术
5. 仲崇丽,刘华. 改进卷积神经网络的热红外成像人脸识别. 激光杂志. 2022(12): 117-121 . 百度学术
6. 马龙祥,杨浩,宋婷婷. 基于数据上采样的医学图像分割研究. 电子设计工程. 2021(05): 7-11 . 百度学术
7. 左岑,杨秀杰,张捷,王璇. 基于轻量级金字塔密集残差网络的红外图像超分辨增强. 红外技术. 2021(03): 251-257 . 本站查看
8. 李萍,刘以安,徐安林. 基于多尺度耦合的密集残差网络红外图像增强. 电子测量与仪器学报. 2021(07): 148-155 . 百度学术
9. 史永祥,蒋斌,黄雍晫,杨桂生,李庆武,张志良. 基于深度学习的红外图像超分辨率重建. 应用科技. 2020(04): 8-13 . 百度学术
其他类型引用(11)
计量
- 文章访问数: 177
- HTML全文浏览量: 49
- PDF下载量: 37
- 被引次数: 20