科研之友
微信
新浪微博
Facebook
分享链接
摘要
红外图像超分辨率是图像超分辨率重建的子领域，基于深度学习的方法侧重于研究色彩和纹理丰富的RGB图像重建，对于像素分布均匀、对比度低、高频细节特征丢失的红外图像提取特征效率低。本文采用生成对抗网络（GAN）针对红外图像提出了一种能重建细节纹理超分辨率方法，用轻量级注意力残差块（Lightweight attention residual block， LARB）构建生成器网络，以低成本、高效率提取到红外图像的像素特征信息；结合特征激活前的感知损失、Huber 损失和Wasserstein距离使模型稳定收敛，减少图像重建后伪影的产生；引入近红外图像数据集与红外特征图线性灰度变换使模型学习更多纹理特征以修复高频细节。实验结果显示，在PSNR的比较中，本文的模型在生成器参数（Params）仅有542K情况下大幅领先于参数为1518K的SRGAN；在部分测试数据集中SSIM高于参数为16697K的ESRGAN，表明了方法的有效性。
- 出版日期2021-7-6
- 单位上海理工大学
