基于残差编解码网络的红外图像自适应校正算法

发布时间：2021-08-17 08:56

　　针对基于场景的非均匀性校正算法存在非均匀性残余和鬼影等问题,本文提出了一种基于残差编解码网络的红外图像自适应算法。该算法针对自适应校正问题的特点,基于UNet结构,通过多尺度采样学习残差映射生成非均匀性残差图像,加入批标准化和PReLU激活函数提高校正效果,最后使用全局跳跃连接得到最终的校正结果。通过对模拟红外图像序列和真实红外图像序列校正的实验结果表明,相对于目前已有的非均匀性校正算法,该方法在PSNR（Peak Signal to Noise Ratio）和粗糙度的客观数据上都有所提升,主观视觉效果也更加清晰,细节保留程度高。 

【文章来源】：红外技术. 2020,42(09)北大核心CSCD

【文章页数】：7 页

【部分图文】：

EDRN结构框图

本文在残差学习[14]的基础下，提出了两层结构的编码单元。编码单元结构如图2(a)所示，编码单元由两个卷积层和一个跳跃连接组成，通过学习非均匀性残差特征，缩小输入输出的映射范围，能够学习更好的图像特征。解码单元与编码单元类似，唯一不同的是多出一个连接操作，连接本层输入与对应的编码单元输出特征，由于池化操作会丢失图像的部分信息，如果直接进行上采样解码操作的话，图像输出也会丢失信息导致模糊，连接操作就是用来解决这一问题。解码单元结构如图2(b)所示。3）全卷积层

本次对比实验将分别从客观数据评价和主观视觉评价两个方面来对比分析，客观数据包括峰值信噪比PSNR和粗糙度?。图4(c)～(g)显示了各算法对模拟非均匀性红外图像序列第850帧校正的结果，图4(c)～(e)存在不同程度的竖条纹非均匀性，并且从局部放大图来看存在不同程度的噪点，边缘细节丢失比较严重，图4(f)～(g)基本消除了竖条纹，但图5(f)存在少量噪点没有去除干净，图5(g)图像基本看不出噪点，图像质量最高。

【参考文献】：
期刊论文
[1]基于图像块先验的单帧红外自适应校正算法[J]. 牟新刚,赵建新,欧科君.  激光与红外. 2017(12)
[2]红外图像处理技术现状及发展趋势[J]. 陈钱.  红外技术. 2013(06)



本文编号：3347469