论文部分内容阅读
红外成像技术应用广泛,但图像分辨率较低限制了其发展,因此对红外图像的超分辨率重建研究很有必要。为了解决上述问题,本文设计了一种单帧红外图像超分辨率重建算法ISRGAN。另外,由于基于单帧红外图像的算法无法利用视频中相邻帧之间的信息。因此本文在ISRGAN算法的基础上,设计了一种多帧红外图像超分辨率重建算法,加入了相邻帧对目标帧的信息补充,获取了多帧之间的信息相关性。本文的主要研究内容及结果概括如下:(1)针对目前SRGAN算法在红外图像超分辨率重建中的问题,设计了一种新的算法ISRGAN,核心是改进以SRGAN算法为基础的网络结构,分别改进模型的生成网络、判别网络以及损失函数。其中生成网络的改进为,将SRGAN算法的生成网络与双三次插值算法进行结合,保持图像低频区域的信息;判别网络的改进为,使用相对判别网络来代替原来SRGAN算法的标准判别网络,使生成的图像高频纹理细节更细致;损失函数的改进为,在SRGAN算法的感知损失函数中加入均方误差损失,达到清晰的视觉效果与较高的PSNR及SSIM值之间的平衡。对每一个模块的改进都进行分析及实验验证,最后对整体算法进行主观及客观评价指标上的实验和分析。(2)针对单帧红外图像的超分辨率重建无法充分利用视频中相邻多帧之间的不同高频细节信息的问题,结合第三章设计的单帧红外图像超分辨率重建算法ISRGAN,设计了一种基于生成对抗网络的多帧红外图像的超分辨率重建算法。该算法包含光流运动估计算法模块和多帧红外图像融合重建模块,其中多帧红外图像融合重建模块是基于第三章提出的在单帧红外图像上验证有效的ISRGAN算法进行改进设计的。分别对每一个模块的设计进行分析,最后对整体算法的效果进行主观和客观评价指标上的实验和分析。(3)设计并实现了一个超分辨率重建系统,能够集成第三章和第四章的算法,并在显示窗口显示出重建前后的图像。本软件提供良好的人机交互体验,使用户能够更加方便和快捷地使用本文算法对低分辨率单帧图像或者多帧图像进行重建得到高分辨率的图像,可以直观的对低分辨率图像和高分辨率图像进行显示和对比。