[发明专利]基于孪生网络的机载红外图像超分辨率与噪声去除算法

权利要求书

1.基于孪生网络的机载红外图像超分辨率与噪声去除算法，其特征在于，包括以下步骤：

步骤1：构建训练集与测试集

选取1200张高分辨率红外图像作为高分辨率HR标签图像；对图像分别进行下采样与加噪处理，以此来构建低分辨率LR图像与噪声图像；对低分辨率图像进行上采样，使之恢复至原尺寸大小；把噪声图像作为第一通道的输入I₁，把低分辨率图像作为第二通道的输入I₂，以此来构造训练数据集；选取60张图像，对图像进行下采样，然后加入噪声，之后上采样使之恢复到原尺寸大小，以此来构造测试图像I_T数据集；

步骤2：构建基础孪生网络框架

针对目标数据集与实验目的设计网络卷积层数量和卷积核大小；使用局部跳跃连接加快网络收敛，使用全局跳跃连接使得低频信息得到充分的利用；加入空间注意力机制，突出目标与背景的对比度；

步骤3：训练与测试

将低分辨率图像I₁和噪声图像I₂输入进孪生网络进行训练，循环迭代，并根据目标图像需求分配不同损失函数权重，对网络进行优化，保存训练模型；之后调用训练模型，对测试图像I_T进行测试，得到高质量机载红外图像。

2.根据权利要求1所述的基于孪生网络的机载红外图像超分辨率与噪声去除算法，其特征在于，步骤1包含以下子步骤：

步骤1.1：选取1200张大小为1024*1024的高分辨率红外图像；将图像进行分块为256*256大小的图像块，得到19200个高分辨率图像块作为标签图像HR；

步骤1.2：对HR进行2倍双三次插值得到大小为128*128的低分辨率图像块，然后将图像块插值回256*256大小，作为低分辨率输入图像I1；

步骤1.3：对HR图像进行加噪处理，得到大小为256*256的噪声图像，作为噪声输入图像I2；

步骤1.4：选取60张大小为1024*1024的高分辨率红外图像，对图像进行2倍双三次插值，插值为大小512*512的低分辨率图像；然后将图像插值回大小为1024*1024；最后对图像进行加噪处理得到测试图像IT。

3.根据权利要求1所述的基于孪生网络的机载红外图像超分辨率与噪声去除算法，其特征在于，步骤2包含以下子步骤：

步骤2.1：针对目标图像搭建孪生网络框架，使得网络既能对图像噪声进行去除，又能对图像分辨率进行提升；

步骤2.2：设计卷积层数量；使用两层第一卷积层与激活函数、三个空间注意力块与一层第三卷积层构成网络框架；

步骤2.3：设计卷积核大小；对于第一卷积层，其卷积核大小为64*1*9；对于第二卷积层，其卷积核大小为64*3*3；对于第三卷积层，其卷积核大小为1*3*3；其中激活函数均为RELU函数；

步骤2.4：针对目标图像加入空间注意力机制，突出目标与背景对比度。

4.根据权利要求1所述的基于孪生网络的机载红外图像超分辨率与噪声去除算法，其特征在于，步骤3包含以下子步骤：

步骤3.1：将低分辨率图像I1与噪声图像I2分别作为孪生网络两个分支的输入输入进网络；

步骤3.2：分别计算网络两个分支的损失函数，然后加权得到整个网络的损失函数，循环迭代，优化网络；保存训练参数与权重，并保存训练模型；

步骤3.3：调用训练模型，对测试图像IT进行测试，获得高质量机载红外图像。