SPNet:用于航空光学热辐射效应校正的大小变量的渐进网络

科学领域:

• 航空航天工程 航空航天工程
• 光学物理学 光学物理学
• 计算机视觉 计算机视觉

背景情况:

• 高速飞机的空气流压缩会导致航空光学热辐射,降低光学盖的图像质量.
• 现有的方法难以应对这些热辐射效应的复杂性和可变性.

研究的目的:

• 提出一个新的网络,SPNet,用于纠正由航空光学热辐射效应降低的图像质量.
• 为了利用热辐射偏差场的尺寸不变特征进行有效的校正.

主要方法:

• 开发了一个尺寸变量渐进网络 (SPNet),有两个子网络,用于粗略和准确的偏差场校正.
• 引入了一个多级特征升级样本模块 (MFUM),以增强特征交互.
• 提出了一个适应性特征融合模块 (AFFM),用于基于动态尺度的特征合并.
• 实现了多头自我注意特征提取模块 (MSFEM) 用于全球信息捕获.

主要成果:

• 通过学习热辐射偏差场,SPNet逐渐纠正退化图像.
• 在MFUM和AFFM模块有效地利用多尺度和跨道功能.
• MSFEM提取了全面的全局特征,提高了校正准确度.
• 模拟和真实数据的实验结果显示,与最先进的方法相比,性能优越.

结论:

• 在飞机图像中,SPNet提供了一个强大的解决方案来纠正航空光学热辐射效应.
• 拟议的模块增强了网络处理复杂图像退化能力.
• 该方法在高速平台的图像质量恢复方面取得了显著的改进.