CN119494779A 一种基于退化感知的机载红外图像超分辨率方法 （河南科技大学）_第1页
CN119494779A 一种基于退化感知的机载红外图像超分辨率方法 （河南科技大学）_第2页
CN119494779A 一种基于退化感知的机载红外图像超分辨率方法 （河南科技大学）_第3页
CN119494779A 一种基于退化感知的机载红外图像超分辨率方法 （河南科技大学）_第4页
CN119494779A 一种基于退化感知的机载红外图像超分辨率方法 （河南科技大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于退化感知的机载红外图像超分辨本发明提供一种基于退化感知的机载红外图像超分辨率重建系统，包括退化表示学习框明首先通过自监督学习框架从红外图像中提取提取方法来捕获可见光和红外图像各自特征的22.根据权利要求1所述的一种基于退化感知的机载红外图像超分辨率方法，其特征在3.根据权利要求2所述的获取目标图像的可见光图像以及相应的红外无人机图像，其+nδ.(1)首先利用具有5层5×5卷积核卷积层的编码器提取低分辨率红外图像ILR1中的退化Led＝2A_B_C,3其中Zi表示第i个残差状态空间模块，Fi是第i层输入深层特征Fa=Linear(F8F).(1)首先将提取的红外和可见光特征相加，这样做确保两种模态特征在初步交互阶段4(1)首先第一个分支采用扩张卷积从可见光图像中捕获空间特征，有效地增强细节特(2)然后将可将光和红外特征进行相加输入第二分支，确保保留和集成来自两种模式(3)接着使用第三分支提取红外特征的通道信息，使用平均池化和最大池化来确保鲁(4)最后将第三分支结果添加至第一分支的空间特征特征，并使用激活函数计算结果5[0006]本发明旨在提供一种基于退化感知的机载红外图像超分辨率系统，通过Mamba框架提取图片长距离空间特征并结合退化模块对红外超分辨率技术进行优化，结合特征交6[0014]可选的，S1中目标图像VGTSR数据集包含1025对可见光无人机图像和红外无人机[0015]可选的，S2采用自监督学习框架对低分辨率无人机红外+nδ.[0020]首先利用具有5层5×5卷积核卷积层的编码器提取低分辨率红外图像ILR1中的退[0025]其中Lrd表示退化损失，ILR2是具有输入图像同样退化但in是经过退化训练合成的伪低分辨率红外图像。是从高斯分布采样得到的第j个样本。有界约束可以防止不同的退化表示拥挤到狭小空间7[0037]F.u=Linear(F8F).8+nδ[0077]首先利用具有5层5×5卷积核卷积层的编码器提取低分辨率红外图像ILR1中的再9率红外图像im:in是经过训练的合成低分辨率图像。[0086]Led是能量距离损失，其中，编码器随机选择m张图像，并把它们编码成为x1,x2...xm，其中xi∈RC代表第i个图像的退化信息；然后从高斯分布中采样n次得到y1,[0090]S3中的聚焦式视觉状态空间模块包含两条并行路径，第一条支路涉及深度卷积[0115]在本实施例中，将S1中提出的测试集按照步

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论