LVTSR:学习可见图像纹理网络用于红外极化超分辨率成像

科学领域:

• 光学和光子学 在光学和光子学.
• 图像处理 图像处理
• 传感器技术 传感器技术

背景情况:

• 红外极化 (IRP) 分离焦平面 (DoFP) 成像提供了宝贵的信息,但由于传感器的局限性,其分辨率较低.
• 高分辨率可见光 (VIS) 成像很容易获得,为多模式图像增强提供了机会.
• 超分辨率 (SR) 对于IRP DoFP是复杂的,需要精确的偏振重建超出标准红外SR.

研究的目的:

• 为红外极化 (IRP) 分离焦平面 (DoFP) 图像开发一个有效的多模超分辨率 (SR) 网络.
• 利用高分辨率可见光 (VIS) 图像来提高IRP DoFP图像的分辨率和极化重建.
• 通过将VIS图像约束和极化信息集成到网络的损失函数中,实现端到端的IRP DoFP SR.

主要方法:

• 提出了一个新的多式联络SR网络,集成VIS图像约束,用于IRP DoFP图像重建.
• 纳入偏振信息作为终端到终端训练的损失函数中的关键组件.
• 创建了一个基准数据集,包括1559对注册的多模式图像,用于培训和评估.

主要成果:

• 提出的方法成功地利用VIS图像在低分辨率的IRP图像中恢复偏振信息.
• 实现了4倍放大因子,显著提高了IRP DoFP图像的分辨率.
• 与现有的先进方法相比,在多式联络型IRP SR.中表现出优越的定量和视觉性能.

结论:

• 开发的多模式SR网络通过使用VIS图像先验有效地提高了IRP DoFP成像分辨率.
• 在SR任务中,将偏振信息集成到损失函数中对于准确的偏振重建至关重要.
• 拟议的方法为高分辨率的IRP DoFP成像应用提供了一个有希望的解决方案.