并行多特征提取网络的红外图像增强方法

摘要：

为解决低质量红外图像细节模糊、对比度低等问题,提出了并行多特征提取网络的红外图像增强方法,设计了结构特征映射网络和双尺度特征提取网络.结构特征映射网络用于建立全局结构特征权重,以保持原始图像的空间结构信息.双尺度特征提取网络采用多尺度卷积层和融合多空洞卷积的注意力,增强网络对上下文信息的关注力,提升网络对感兴趣区域的特征提取能力,同时学习不同尺度的特征信息,完成双尺度间信息的交换,生成目标增强映射,实现目标区域细节纹理自适应增强.实验证明,所提方法能有效提高对比度,避免过增强,丰富图像细节纹理,减少伪影和光晕现象,在BSD200数据集上的PSNR与SSIM较典型的传统方法和深度学习方法分别提升了约37.35％、2.1％与25.94％、3.15％,在真实红外数据集上分别提升了约30.62％、1.04％与24.83％、2.08％,且对不同对比度因子的低质量图像,文中方法也具有良好的增强效果.

关键词：红外图像、图像增强、深度学习、空洞卷积、注意力机制

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;四川省科技支撑计划

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：287-295