[发明专利]红外图像增强方法及系统

权利要求书

1.一种红外图像增强方法，其特征在于，包括以下步骤：

S1：利用卷积神经网络提取与低分辨率红外图像对应的高清可见光图像的轮廓信息；

S2：使用超像素分割神经网络对所述低分辨率红外图像进行处理，以获得高清红外图像信息；

S3：对所述高清红外图像信息与所述高清可见光图像的轮廓信息进行处理，其中，在进行处理时，将所述高清红外图像信息与所述高清可见光图像的轮廓信息进行比较，将所述高清红外图像信息和所述高清可见光图像的轮廓信息的轮廓差异作为训练的损失函数，反复对所述高清红外图像的超分辨率重建的卷积神经网络参数进行更新，直到所述高清红外图像信息和所述高清可见光图像的轮廓信息的差异满足预定条件。

2.根据权利要求1所述的红外图像增强方法，其特征在于，训练所述卷积神经网络，并利用训练好的所述卷积神经网络提取所述高清可见光图像的轮廓信息。

3.根据权利要求2所述的红外图像增强方法，其特征在于，训练所述卷积神经网络包括以下步骤：

S11：收集所述高清可见光图像的数据集以及对应的已标注的真实边缘信息；

S12：将所述可见光数据集分为训练数据、测试数据和验证数据；

S13：改进所述卷积神经网络用于边缘提取任务；

S14：利用所述训练数据，所述测试数据对模型进行迭代优化，直到满足终止条件。

4.根据权利要求2所述的红外图像增强方法，其特征在于，改进所述卷积神经网络包括以下步骤：

S131：采用U型网络作为改进的基础模型；

S132：在所述U型网络的每次反卷积操作之前，引入全卷积层，以获得不同尺度的分割图像；

S133：将不同尺度下得到的分割图像进行加权叠加，以获得最终的所述高清可见光图像的轮廓信息。

5.根据权利要求1所述的红外图像增强方法，其特征在于，所述低分辨率红外图像进行处理，以获得高清红外图像信息包括以下步骤：

S21：收集低分辨率的红外图像；

S22：使用SRCNN网络进行红外图像的超分辨率重建，并获得最终的高分辨率红外图像。

6.根据权利要求1所述的红外图像增强方法，其特征在于，对所述高清红外图像信息与所述高清可见光图像的轮廓信息进行处理时，包括以下步骤：

S31：调整所述高清红外图像信息以使红外图像的尺寸与所述可见光图像的轮廓信息对应的尺寸相同；

S32：利用提取所述高清可见光图像的轮廓信息的卷积神经网络提取高清红外图像信息。

7.根据权利要求1所述的红外图像增强方法，其特征在于，对所述高清红外图像信息与所述高清可见光图像的轮廓信息进行处理时，包括以下步骤：

S33：输入所述高清红外图像信息与所述高清可见光图像的轮廓信息；

S34：计算所述高清可见光图像的轮廓信息与所述高清红外图像信息的差异值；

S35：更新所述卷积神经网络参数，直到差异值满足要求。

8.根据权利要求1所述的红外图像增强方法，其特征在于，所述损失函数为：

其中M代表单次参与迭代的数据的个数，N代表单张图的图像平面，其中(x,y)代表图像平面中的像素点，如果像素点(x,y)是轮廓像素点，则I(x,y)＝1，如果(x,y)不是轮廓像素点，则I(x,y)＝0，D_c代表红外轮廓像素点与可见光轮廓像素点的距离，V_(x,y)代表红外图像中轮廓像素点的位置，而V_gd是可见光轮廓图中与之最近的像素点的位置。