針對基于場景的非均勻性校正算法存在非均勻性殘余和鬼影等問題,本文提出了一種基于殘差編解碼網(wǎng)絡的紅外圖像自適應算法。該算法針對自適應校正問題的特點,基于UNet結構,通過多尺度采樣學習殘差映射生成非均勻性殘差圖像,加入批標準化和PReLU激活函數(shù)提高校正效果,最后使用全局跳躍連接得到最終的校正結果。通過對模擬紅外圖像序列和真實紅外圖像序列校正的實驗結果表明,相對于目前已有的非均勻性校正算法,該方法在PSNR（Peak Signal to Noise Ratio）和粗糙度的客觀數(shù)據(jù)上都有所提升,主觀視覺效果也更加清晰,細節(jié)保留程度高。 

【文章來源】：紅外技術. 2020,42(09)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

EDRN結構框圖

本文在殘差學習[14]的基礎下，提出了兩層結構的編碼單元。編碼單元結構如圖2(a)所示，編碼單元由兩個卷積層和一個跳躍連接組成，通過學習非均勻性殘差特征，縮小輸入輸出的映射范圍，能夠學習更好的圖像特征。解碼單元與編碼單元類似，唯一不同的是多出一個連接操作，連接本層輸入與對應的編碼單元輸出特征，由于池化操作會丟失圖像的部分信息，如果直接進行上采樣解碼操作的話，圖像輸出也會丟失信息導致模糊，連接操作就是用來解決這一問題。解碼單元結構如圖2(b)所示。3）全卷積層

本次對比實驗將分別從客觀數(shù)據(jù)評價和主觀視覺評價兩個方面來對比分析，客觀數(shù)據(jù)包括峰值信噪比PSNR和粗糙度?。圖4(c)～(g)顯示了各算法對模擬非均勻性紅外圖像序列第850幀校正的結果，圖4(c)～(e)存在不同程度的豎條紋非均勻性，并且從局部放大圖來看存在不同程度的噪點，邊緣細節(jié)丟失比較嚴重，圖4(f)～(g)基本消除了豎條紋，但圖5(f)存在少量噪點沒有去除干凈，圖5(g)圖像基本看不出噪點，圖像質量最高。

【參考文獻】：
期刊論文
[1]基于圖像塊先驗的單幀紅外自適應校正算法[J]. 牟新剛,趙建新,歐科君.  激光與紅外. 2017(12)
[2]紅外圖像處理技術現(xiàn)狀及發(fā)展趨勢[J]. 陳錢.  紅外技術. 2013(06)



本文編號：3347469