基于多傳感器像素分類的紅外圖像超分辨率算法

陳繼光 蘇冰山

（鄭州航空工業管理學院 智能工程學院，河南 鄭州450046）

紅外圖像反映成像場景的熱力學信息，在醫療衛生如快速體溫檢測和疾病篩查等方面應用前景廣闊，另外，紅外圖像在軍事偵察如戰場信息捕獲等方面應用廣泛。但是由于紅外成像原理和硬件設備技術水平的限制，紅外相機直接獲得的紅外圖像分辨率較低，并且邊緣模糊。

提高紅外圖像的分辨率成為十分必要的問題。傳統總廣義變分[1]（Total Generalized Variation，TGV）正則化方法可以有效保留超分辨率重建圖像的邊緣，但是紅外圖像自身的邊緣不夠清晰，使得重建圖像質量不高。文獻[2]實現了一種基于TGV 的紅外圖像超分辨率算法，但是算法中交替方向乘數法的收斂性較差。

以上方法為基于同類紅外傳感器獲取的紅外圖像實現的超分辨率算法，由于紅外圖像自身的邊緣模糊，使得重建的高分辨率紅外圖像邊緣細節不夠清晰。

高分辨率可見光圖像可以容易的由相機直接獲取，并且可見光圖像的邊緣細節清晰，因此可借助同場景的高分辨率可見光圖像的邊緣補充低分辨率紅外圖像邊緣模糊的缺點。文獻[3]將TGV 正則化方法與各向異性張量[4]相結合，由高分辨率可見光圖像引導低分辨率圖像進行超分辨率重建，但各向異性張量在獲取可見光圖像邊緣的同時也引入了噪聲，增加了噪聲的來源和種類，致使重建圖像被多種噪聲污染。文獻[5]通過一種改進的二階TGV 正則化模型重建紅外圖像，重建的高分辨率圖像中紅外圖像自身的噪聲得到抑制，但是算法實現的時間變長；……