基于深度学习的低分辨率无人机图像增强处理 |
| |
引用本文: | 杨莹.基于深度学习的低分辨率无人机图像增强处理[J].自动化与仪器仪表,2023(7):18-22. |
| |
作者姓名: | 杨莹 |
| |
作者单位: | 北海艺术设计学院 |
| |
摘 要: | 为提升低分辨率无人机图像清晰度,扩大无人机采集图像应用范围,提出基于深度学习的低分辨率无人机图像增强处理方法。将PCANet深度网络和ScSR稀疏字典相结合,构建低分辨率无人机图像增强模型,运用滤波器预处理采集到的低分辨率无人机图像,提升低分辨率图像中高频成分的敏感性;将高分辨率图像样本和预处理后低分辨率图像作为PCANet深度网络输入,提取高、低分辨率图像深层次特征;运用ScSR稀疏字典训练提取特征得到特征字典,构建高、低分辨率特征字典对,参照高分辨率字典对各个低分辨图像进行高分辨率重构,实现无人机图像增强。实验结果表明,该方法对无人机采集到的低分辨率图像具有较好的高分辨率重构性能,增强后图像可以保留原始图像色彩、纹理等;当设置ScSR稀疏字典的区块训练尺寸为40时,低分辨率图像增强效果最佳。
|
关 键 词: | 深度学习 PCANet算法 稀疏表示 字典学习 预处理 图像重建 |
|
|