科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位机电工程学院; 武汉理工大学
