基于学习的红外遥感超分辨率目标识别算法研究

发布时间：2021-10-24 07:05

　　红外成像技术依靠其隐蔽性强、昼夜可视、反映温度特性等优势,成为了目标探测和识别的重要手段。随着科技的发展,遥感探测器的空间分辨率和光谱分辨率得到了进一步提升。但是由于红外衍射限和硬件成本的限制,红外图像的分辨率普遍偏低、噪声较大、红外小目标边缘模糊、纹理不清晰,为红外目标的精准检测和识别带来了巨大的困难。针对此问题,本文提出了基于学习的红外遥感超分辨率目标识别（Super Resolution Object Recognition,SROR）算法。首先利用软件技术提高红外遥感图像的分辨率,再用目标识别算法对重建后的小目标进行检测识别。为了提升红外遥感图像的重建结果,利用传感器下采样仿真模型模拟红外图像退化过程,将退化后的红外数据用于训练超分辨率网络WDSR。为了提升红外小目标检测的准确度,改进了Faster RCNN,利用迁移学习进行训练,改进后的网络对小目标检测效果明显提升。通过将超分辨率重建和目标识别网络的结合,目标的检测准确度达到88.59%,召回率达到了81.45%。本轮文主要的工作和创新之处如下:1)提出了基于稀疏编码的红外显著区域超分辨率重建算法（Sr SR）。本文基于稀疏... 

【文章来源】：中国科学院大学(中国科学院上海技术物理研究所)上海市

【文章页数】：151 页

【学位级别】：博士

【部分图文】：

图像退化过程

第1章绪论9图1.2Itti视觉显著度模型结构Figure1.2Ittisaliencymodel目前在该模型的基础上有多种改进形式包括Walther[39]的SaliencyToolbox（STB），Frintrop[40]用于视觉物体检测的计算注意系统（Visualobjectdetectionwithacomputationalattentionsystem，VOCUS）等。在图像的频率域研究显著信息是计算显著度的另一类有效方法。Hou等[41]首先提出频谱残差法（SpectralResidual，SR），将频率域空间统计的异常值区域作为显著区域。首先通过傅里叶变换将图像从空间域转换到频率域，然后对幅度值进行局部均值滤波，然后用原始的幅度值减去中值滤波后的结果，通过傅里叶逆变换将结果数据转化到空间域得到显著图像。随后Guo等[42]发现，舍弃输入图像的幅度谱只保留相位谱信息能够更好的进行显著度预测，该方法称为相位谱傅里叶变换(Phasespectrumof

深度学习算法实验效果

【参考文献】：
期刊论文
[1]图像超分辨率重建的研究进展[J]. 曾凯,丁世飞.  计算机工程与应用. 2017(16)
[2]窗口热辐射下基于视觉显著性的红外目标检测方法[J]. 彭志勇,王向军,卢进.  红外与激光工程. 2014(06)
[3]黑体模拟真实目标温度和面积的设定[J]. 王彦斌,王敏,邹前进,李华,黄成功,亓凤杰.  红外与激光工程. 2014(03)
[4]引入视觉注意机制的目标跟踪方法综述[J]. 黎万义,王鹏,乔红.  自动化学报. 2014(04)
[5]采用扩展MRF的红外目标自适应检测方法[J]. 薛永宏,安玮,张涛,张寅生.  红外与激光工程. 2013(08)
[6]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)
[7]插值法在图像处理中的应用[J]. 刘丽君,骆婷.  硅谷. 2009(09)
[8]弹道导弹尾焰红外探测性能的大气影响分析[J]. 杨灵,方中华,陈桂林.  应用光学. 2008(01)
[9]红外预警探测系统的现状和发展[J]. 晋培利,李晓林,毛登森,曹秋生.  光电技术应用. 2006(03)
[10]红外空情预警系统及其作战运用研究[J]. 何宝福,王东,戴才彬.  现代防御技术. 2005(02)

博士论文
[1]红外点目标定量检测关键技术研究[D]. 刘丰轶.中国科学院大学(中国科学院上海技术物理研究所) 2017
[2]复杂场景遥感图像目标检测方法研究[D]. 张国敏.国防科学技术大学 2010

硕士论文
[1]基于学习的红外云图超分辨率重建算法研究[D]. 苏锦程.中国科学院大学(中国科学院上海技术物理研究所) 2018



本文编号：3454817