近年來,紅外成像技術(shù)在自動駕駛、智能安防和遙感等領(lǐng)域獲得了廣泛的應(yīng)用,但還存在空間分辨率低、對比度弱和信噪比低等缺點�；谏疃葘W(xué)習(xí)的超分辨率重建技術(shù)是提高紅外圖像分辨率的有效方法,獲得了廣泛研究。本文結(jié)合實際應(yīng)用背景和紅外成像特點,從網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、主客觀成像質(zhì)量評價和小目標(biāo)分類等方面對紅外超分辨率成像技術(shù)和應(yīng)用進(jìn)行了深入的研究,主要研究工作和成果包括如下幾個方面:1.研究了超分辨率的理論基礎(chǔ)和主流神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),在卷積神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)的基礎(chǔ)上,提出了多尺度稠密殘差塊結(jié)構(gòu)和多層級特征融合方法,優(yōu)化了單幀紅外圖像的超分辨率重建網(wǎng)絡(luò)。對比插值和SRCNN等方法,本方法提高了紅外圖像的超分辨率重建效果,超分辨率紅外圖像峰值信噪比從28.65提高到了31.53。2.在紅外成像的眾多觀察應(yīng)用中,主觀視覺效果是重要評判指標(biāo),但當(dāng)前超分辨率重建算法大多基于客觀評價標(biāo)準(zhǔn)。本文開展了主客觀聯(lián)合評價方法研究,相關(guān)實驗表明相位一致性特征更符合人類視覺感受。在此基礎(chǔ)上提出了主客觀聯(lián)合評價損失函數(shù),并應(yīng)用于紅外圖像的超分辨率重建,提高了紅外超分辨率圖像的主觀視覺效果。3.紅外小目標(biāo)檢測和識別是紅外探測領(lǐng)域的一... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所)上海市

【文章頁數(shù)】：115 頁

【學(xué)位級別】：博士

【部分圖文】：

超分辨率重建技術(shù)示意圖

天文、空間監(jiān)測的系統(tǒng)為了提高探測靈敏度，需要較大尺寸的光敏元件來匹配光學(xué)系統(tǒng)。理論上，成像系統(tǒng)的空間分辨率取決于光學(xué)系統(tǒng)衍射分辨率和紅外焦平面探測器分辨率的最小值，而實際應(yīng)用上存在著諸多問題限制了成像系統(tǒng)的分辨率，比如焦平面的制造工藝。從硬件改進(jìn)的角度打破分辨率極限困難重重，因此超分辨率重建算法有著巨大的發(fā)展應(yīng)用空間。2.2.2 圖像退化模型光學(xué)系統(tǒng)的成像過程可以看作理想圖像到低分辨率圖像的退化過程，研究圖像退化降質(zhì)因素有助于改進(jìn)超分辨率技術(shù)，獲取更接近理想圖像的結(jié)果。原始的自然場景以及物體目標(biāo)是連續(xù)的，在所有頻段均有分量，而成像過程中，光學(xué)信息受到大氣擾動影響后進(jìn)入光學(xué)系統(tǒng)，連續(xù)的信號經(jīng)過了低通濾波、形變、模糊

2.3 深度學(xué)習(xí)網(wǎng)絡(luò)深度學(xué)習(xí)網(wǎng)絡(luò)是以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的的含有多個隱藏層的網(wǎng)絡(luò)模型，包括卷積網(wǎng)絡(luò)、循環(huán)網(wǎng)絡(luò)、遞歸網(wǎng)絡(luò)以及殘差網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)等。神經(jīng)網(wǎng)絡(luò)是一種以“神經(jīng)元”為基本結(jié)構(gòu)單元的的非線性模型，如圖 2.4 所示，神經(jīng)元對應(yīng)的輸出公式如 2.5 所示： ,1nW b i iih x f W x b ...(2.5)其中 x為輸入變量，參數(shù) W ,b分別是權(quán)重系數(shù)和偏置項， f 為激活函數(shù)。圖 2.4中右邊是一個 3 層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：第一層 L1為輸入層，由輸入神經(jīng)元組成；第二層 L2為隱藏層；第三層 L3則是輸出層[63]。

【參考文獻(xiàn)】：
期刊論文
[1]基于生成對抗網(wǎng)絡(luò)的單幀紅外圖像超分辨算法[J]. 邵保泰,湯心溢,金璐,李爭.  紅外與毫米波學(xué)報. 2018(04)
[2]圖像超分辨率重建的研究進(jìn)展[J]. 曾凱,丁世飛.  計算機(jī)工程與應(yīng)用. 2017(16)
[3]大面陣碲鎘汞紅外焦平面陣列發(fā)展現(xiàn)狀及趨勢[J]. 史漫麗,凌龍.  兵器裝備工程學(xué)報. 2017(06)
[4]基于微掃描的紅外超分辨率成像系統(tǒng)的設(shè)計[J]. 代少升,張德洲,崔俊杰,張綃綃.  半導(dǎo)體光電. 2017(01)
[5]數(shù)字化中波紅外焦平面探測器組件研究進(jìn)展[J]. 白丕績,趙俊,韓福忠,李立華,王博,姚立斌,李敏.  紅外與激光工程. 2017(01)
[6]基于局部約束群稀疏的紅外圖像超分辨率重建[J]. 鄧承志,田偉,陳盼,汪勝前,朱華生,胡賽鳳.  物理學(xué)報. 2014(04)
[7]超分辨率圖像重建方法綜述[J]. 蘇衡,周杰,張志浩.  自動化學(xué)報. 2013(08)
[8]基于雙線性插值的圖像縮放算法的研究與實現(xiàn)[J]. 王森,楊克儉.  自動化技術(shù)與應(yīng)用. 2008(07)
[9]基于廣義Huber-MRF圖像建模的超分辨率復(fù)原算法[J]. 邵文澤,韋志輝.  軟件學(xué)報. 2007(10)
[10]數(shù)字圖像自適應(yīng)插值法[J]. 金海丁,周孝寬.  激光與紅外. 2006(09)

博士論文
[1]紅外成像系統(tǒng)超分辨率重建技術(shù)研究[D]. 李方彪.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所) 2018
[2]基于RGB-D視頻序列的大尺度場景三維語義表面重建技術(shù)研究[D]. 代具亭.中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所) 2018
[3]空中平臺大視場紅外小目標(biāo)實時探測技術(shù)研究[D]. 劉源.中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所) 2017
[4]基于深度學(xué)習(xí)的紅外圖像語義分割技術(shù)研究[D]. 王晨.中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所) 2017
[5]基于POCS的紅外弱小目標(biāo)超分辨率復(fù)原算法研究[D]. 陳健.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2014

碩士論文
[1]基于微掃描的紅外超分辨率成像技術(shù)研究[D]. 劉琴.重慶郵電大學(xué) 2016
[2]圖像超分辨率重建方法的研究與實現(xiàn)[D]. 趙亞輝.北京交通大學(xué) 2016
[3]基于正則化方法的多幀圖像超分辨率重建及其硬件實現(xiàn)[D]. 陳澤奇.華南理工大學(xué) 2016
[4]紅外圖像的超分辨率算法研究[D]. 彭曉梅.南京理工大學(xué) 2013
[5]基于稀疏表示的圖像超分辨率重建算法研究[D]. 宋慧慧.中國科學(xué)技術(shù)大學(xué) 2011
[6]紅外序列圖像超分辨率重建算法研究[D]. 申恒艷.哈爾濱工業(yè)大學(xué) 2009



本文編號：3520017