[发明专利]一种提升红外图像分辨率的方法

权利要求书

1.一种提升红外图像分辨率的方法，应用于嵌入式设备，其特征在于，包括：

步骤S1，将需要提升分辨率的低分辨率红外图像输入至一训练完成的神经网络模型中；

步骤S2，采用所述神经网络模型对所述低分辨率红外图像进行通道扩展，以形成多通道图像；

步骤S3，采用所述神经网络模型，将所述多通道图像的特征图按照通道数进行拆分，并分别对每个通道的特征图进行处理后重新拼接形成处理后的所述多通道图像的所述特征图；

步骤S4，采用所述神经网络模型，将所述步骤S3中输出的所述特征图进行扩展，并根据扩展后的所述特征图形成高分辨率红外图像并输出。

2.根据权利要求1所述的一种提升红外图像分辨率的方法，其特征在于，所述步骤S1中，采用预先准备的训练样本集对所述神经网络模型进行训练，以使所述神经网络模型的损失函数达到训练条件，从而完成针对所述神经网络模型的训练过程。

3.根据权利要求1所述的一种提升红外图像分辨率的方法，其特征在于，所述步骤S2中，将所述低分辨率红外图像进行一第一卷积操作一次，以对所述低分辨率红外图像的通道数按照卷积核大小进行对应地扩展，以形成多通道图像。

4.根据权利要求3所述的一种提升红外图像分辨率的方法，其特征在于，所述步骤S3中，针对所述多通道图像的其中一个通道的所述特征图进行处理的过程具体包括：

步骤S31，将所述一个通道的所述特征图进行所述第一卷积操作一次，得到一第一特征图；

步骤S32，将所述第一特征图进行一第二卷积操作一次，得到一第二特征图；

步骤S33，将所述第二特征图进行所述第一卷积操作一次，得到一第三特征图；

步骤S34，将所述第三特征图进行一上采样操作一次，得到一第四特征图；

步骤S35，将所述第一特征图和所述第四特征图进行拼接处理，得到一第五特征图；

步骤S36，将所述第五特征图进行所述第一卷积操作一次，得到一第六特征图；

步骤S37，将所述第四特征图和所述第六特征图进行拼接处理，得到一第七特征图；

步骤S38，将所述第七特征图进行所述第一卷积操作一次，得到一第八特征图；

步骤S39，将所述第八特征图与其他通道的所述第八特征图进行拼接处理，得到所述多通道图像的所述特征图。

5.根据权利要求1所述的一种提升红外图像分辨率的方法，其特征在于，所述步骤S4包括：

步骤S41，将所述多通道图像的所述特征图进行一第一扩大操作多次，得到一扩大后的第一扩大特征图；

步骤S42，将所述低分辨率红外图像的特征图进行一第二扩大操作一次，得到一对应于所述第一特征图同倍数扩大的第二扩大特征图；

步骤S43，将所述第一扩大特征图和所述第二扩大特征图进行按照通道数拼接处理后，得到一第三扩大特征图；

步骤S44，将所述第三扩大特征图进行所述第一卷积操作一次，得到所述高分辨率红外图像。

6.根据权利要求3所述的一种提升红外图像分辨率的方法，其特征在于，所述第一卷积操作的卷积核大小为3*3，且步长为1。

7.根据权利要求4所述的一种提升红外图像分辨率的方法，其特征在于，所述第二卷积操作的卷积核大小为3*3，且步长为2。

8.根据权利要求5所述的一种提升红外图像分辨率的方法，其特征在于，所述第一扩大操作的卷积核大小为4*4，且步长为1。

9.根据权利要求5所述的一种提升红外图像分辨率的方法，其特征在于，所述第二扩大操作为双三次插值上采样操作。

10.根据权利要求2所述的一种提升红外图像分辨率的方法，其特征在于，关联于所述神经网络模型的所述训练条件为针对所述神经网络模型设置一损失函数；

所述损失函数具体为：

其中，

MSE为所述损失函数计算得出的损失值；

m为一真实红外图像的像素点总个数；

为一真实红外图像的每个像素点的值；

为所述高分辨率红外图像的每个像素点的值。