基于稀疏编码的红外显著区域超分重建算法

TP391; 由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低.对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声.针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声.首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典.然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波.实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3～4倍....

Full description

Saved in:
Bibliographic Details
Published in红外与毫米波学报 Vol. 39; no. 3; pp. 388 - 395
Main Authors 黄硕, 胡勇, 巩彩兰, 郑付强
Format Journal Article
LanguageChinese
Published 中国科学院大学,北京 100049 01.06.2020
中国科学院红外探测与成像技术重点实验室,上海 200083%中国科学院上海技术物理研究所,上海 200083
中国科学院上海技术物理研究所,上海 200083
中国科学院红外探测与成像技术重点实验室,上海 200083
Subjects
显著度检测
稀疏特征
稀疏编码
红外图像
Online AccessGet full text
ISSN1001-9014
DOI10.11972/j.issn.1001-9014.2020.03.018

Cover

More Information
Summary:TP391; 由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低.对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声.针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声.首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典.然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波.实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3～4倍.
ISSN:1001-9014
DOI:10.11972/j.issn.1001-9014.2020.03.018