[发明专利]一种基于卷积神经网络的红外图像增强方法

权利要求书

1.一种基于卷积神经网络的红外图像增强方法，其特征在于，包括：

构建图像增强模块；

通过所述图像增强模块构建图像增强卷积神经网络；

对原始图像集进行处理，得到红外图像训练集；

利用所述红外图像训练集对所述图像增强卷积神经网络进行训练，得到训练后的图像增强卷积神经网络；

将原始红外图像输入所述训练后的图像增强卷积神经网络，得到增强后的红外图像。

2.根据权利要求1所述的红外图像增强方法，其特征在于，所述图像增强模块包括：图像增强单元、拼接层和融合层；其中，

所述图像增强单元用于对输入的特征图进行特征提取，得到多个特征图像，其中，所述多个特征图像包括第一特征图、第二特征图和第三特征图；

所述拼接层的输入连接所述图像增强单元的输出，用于对所述多个特征图进行拼接处理，得到拼接图像；

所述融合层的输入连接所述拼接层的输出，用于对所述拼接图像进行融合，得到融合图像。

3.根据权利要求2所述的红外图像增强方法，其特征在于，所述图像增强单元包括：第一分支、第二分支和第三分支；其中，

所述第一分支、所述第二分支和所述第三分支并行连接；

所述第一分支用于对输入特征图进行特征提取，得到所述第一特征图像；

所述第二分支用于对输入特征图进行特征提取，得到所述第二特征图像；

所述第三分支用于对输入特征图进行特征提取，得到所述第三特征图像。

4.根据权利要求3所述的红外图像增强方法，其特征在于，所述第一分支包括第一卷积层和第一激活层；其中，所述第一卷积层与所述第一激活层依次连接；

所述第二分支包括第二卷积层、第二激活层、第三卷积层和第三激活层；其中，所述第二卷积层、所述第二激活层、所述第三卷积层和所述第三激活层依次连接；

所述第三分支包括第四卷积层、第四激活层、第五卷积层和第五激活层；其中，所述第四卷积层、所述第四激活层、所述第五卷积层和所述第五激活层依次连接。

5.根据权利要求2所述的红外图像增强方法，其特征在于，所述融合层包括：第六卷积层和第六激活层；其中，

所述第六卷积层用于融合所述拼接图像中的相同特征，得到预融合图像；

所述第六激活层输入连接所述第六卷积层输出，用于增加所述预融合图像的稀疏性。

6.根据权利要求1至5任一项所述的红外图像增强方法，其特征在于，通过所述图像增强模块构建图像增强卷积神经网络，包括：

通过多个所述图像增强模块构建图像增强子网络；

通过所述图像增强子网络构建所述图像增强卷积神经网络。

7.根据权利要求6所述的红外图像增强方法，其特征在于，所述图像增强卷积神经网络包括：输入卷积层、输入激活层、所述图像增强子网络和输出卷积层；其中，所述输入卷积层、所述输入激活层、所述图像增强子网络和所述输出卷积层依次连接。

8.根据权利要求1所述的红外图像增强方法，其特征在于，对原始图像集进行处理，得到红外图像训练集，包括：

对所述原始图像集进行处理，得到预处理图像集；

利用S-模型对所述预处理图像集进行处理，得到红外图像训练集。

9.根据权利要求8所述的红外图像增强方法，其特征在于，所述S-模型计算公式为：

其中，x为所述预处理图像集的灰度值，y为生成的所述红外图像训练集的灰度值，alpha为所述预处理图像集灰度值的最大值，A压缩率参数，B灰度值参数，yita为调节因子。