為提高低分辨力紅外圖像的分辨力,提出了一種紅外圖像超分辨力算法。該算法訓練2個隨機森林模型:紅外圖像訓練第1個模型、配準的多傳感器圖像訓練第2個模型。采用自適應邊緣提取算法提取紅外圖像與可見光圖像的邊緣,計算輸入的低分辨力紅外圖像塊與對應的高分辨力可見光圖像塊之間的相關系數(shù)。根據(jù)相關性選擇合適的重建模型,用選擇的模型重建高分辨力紅外圖像塊,并整合為高分辨力紅外圖像。實驗結果表明,與超分辨力隨機森林算法相比,算法重建的高分辨力紅外圖像具有更高的客觀指標,峰值信噪比(PSNR)平均提升了0.09 dB,并且獲得更為清晰的主觀視覺效果,更接近原始圖像。

【文章頁數(shù)】：8 頁


本文編號：3909743