使用超分辨率的成像侦察系统的优化:干扰条件下的效率分析
Marta Bistroń1, Zbigniew Piotrowski1
1Institute of Communication Systems, Faculty of Electronics, Military University of Technology, 00-908 Warsaw, Poland.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
像Real-ESRGAN一样,超分辨率 (SR) 技术可以提高图像质量. 这提高了在具有挑战性的条件下对象检测的准确性,提高了系统性能.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 图像侦察系统对于对象的检测和识别至关重要.
- 现实世界的图像扭曲 (运动模糊,噪音,压缩文物) 降低了系统性能.
- 超分辨率 (SR) 技术为图像质量提升提供了潜在的解决方案.
研究的目的:
- 分析SR技术对物体检测模型在扰乱条件下的性能的影响.
- 评估Real-ESRGAN模型在提高检测精度方面的有效性.
- 确定SR增强成像系统的未来发展领域.
主要方法:
- 训练并评估了更快的R-CNN检测模型.
- 使用了各种图像扭曲的原始和修改数据集.
- 评估检测精度和平均平均精度 (mAP) 作为关键指标.
主要成果:
- 在大多数干扰场景中,SR显著提高了检测精度.
- 现实-ESRGAN模型在降低图像质量的情况下提高性能方面表现出有效性.
- mAP显示了显著的改进,表明了更好的整体检测能力.
结论:
- SR技术,特别是Real-ESRGAN,在干扰条件下大大提高了对象检测性能.
- SR是提高成像和侦察系统稳固性的有前途的方法.
- 需要进一步的研究来优化SR模型并探索更广泛的应用.
