多尺度融合超分辨率算法在無人機探測中的應用

李志朋，趙長明，張海洋，張子龍，吳 璇

（1.光電成像技術與系統教育部重點實驗室，北京 100081；2.北京理工大學 光電學院，北京 100081）

引言

隨著現代航空技術的發展與電子通信水平的提高，全球無人機數量飛速增長，在軍事、民用領域都有著較為廣泛的應用[1]。由于執行任務的飛行無人機具有低空、慢速、小型的特點，因此通常被稱作“低慢小”目標[2]，同時也在嚴重威脅著人身安全與設施安全。近年來對非合作低慢小目標的檢測與識別取得了較多的關注，在該場景下，如何快速捕獲視場中的疑似目標并做出準確的識別成為應用的關鍵。目前無人機的檢測主要分為雷達探測[3-4]、光電探測[5-6]、射頻探測[7]與聲波探測[8]。由于無人機圖像信息較為充分可靠，因此常被作為主要判定依據。對于遠距離低慢小目標，其所呈數字圖像中的像素數目極為有限，目標特征嚴重退化，輪廓特征不明顯，且容易受到復雜環境的影響，因此做出準確的識別變得非常困難，常常與飛鳥、飛機或漂浮物等難以區分，造成誤判或虛警[9]。針對以上問題，圖像超分辨技術可以利用目標輪廓的先驗知識，在低分辨率的區塊中恢復出目標的高分辨率細節特征，比如李有為等在識別自然場景的交通標志等小目標時使用了SRGAN（super-resolution generative adversarial network）網絡[10]，提高了小目標檢測的精度，mAP（mean average precision）提高了3.6%；黃露等在壓縮視頻超分辨率重建中使用CVSRnet（compressed video superresolution network）算法[11]，提高了車牌識別的精度。圖像超分辨率重建是指通過單幅或者多幅低分辨率圖像重建得到相同場景的高分辨率圖像。……