摘要

红外相机经过两点校正后会发生漂移,导致图像产生非均匀性噪声。传统的基于场景的非均匀性校正算法适应性较强,但会产生鬼影问题。基于深度学习的非均匀性校正方法,面对红外图像特殊的非均匀性噪声,随着网络深度增加,很容易出现图像模糊,对比度变小,细节丢失问题。针对此问题,提出一种基于生成对抗网络的非均匀性校正算法,网络分为生成网络和判别网络两部分,生成网络部分使用多尺度残差连接,将各解码层分别与不同深度的特征图进行残差连接,不断生成图片,判别网络判别生成网络生成的图片和真实图片,二者不断博弈和迭代训练。生成网络通过多尺度残差连接,很好地保留了网络各层的信息。通过评价红外图像非均匀性校正效果后表明,该网络去除红外图像的非均匀性噪声效果良好,图片清晰,边缘锐利,很好的保留了原图片的各种细节,不会产生鬼影问题。