提出了一種應(yīng)用于紅外圖像仿真的級聯(lián)多尺度信息融合生成對抗網(wǎng)絡(luò),能由可見光圖像估計對應(yīng)的紅外圖像。針對可見光與紅外圖像特征之間的關(guān)聯(lián)與區(qū)別,該網(wǎng)絡(luò)采用級聯(lián)的對抗網(wǎng)絡(luò)結(jié)構(gòu):第一級對抗網(wǎng)絡(luò)以語義分割圖像為輔助任務(wù),使用大感受野的卷積網(wǎng)絡(luò)結(jié)構(gòu),重建紅外圖像的結(jié)構(gòu)信息;第二級對抗網(wǎng)絡(luò)以可見光的灰度反轉(zhuǎn)圖像為輔助任務(wù),采用小感受野的網(wǎng)絡(luò)結(jié)構(gòu),補充紅外仿真圖像的細節(jié)紋理信息,并使用多尺度融合模塊整合多感受野信息以提升算法精度。在先進算法的通用數(shù)據(jù)集上進行實驗,結(jié)果表明,級聯(lián)多尺度信息融合對抗網(wǎng)絡(luò)能夠?qū)崿F(xiàn)可見光到紅外圖像的轉(zhuǎn)換,可得到結(jié)構(gòu)與紋理都較正確的紅外仿真圖像,在多種客觀指標與主觀感受上均優(yōu)于其他類似算法。 

【文章來源】：光學學報. 2020,40(18)北大核心EICSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
1 引 言
2 級聯(lián)多尺度信息融合對抗網(wǎng)絡(luò)
    2.1 第一級網(wǎng)絡(luò)——重建結(jié)構(gòu)
        1) 生成網(wǎng)絡(luò)G1、Gs
        2) 判別網(wǎng)絡(luò)D1
    2.2 第二級網(wǎng)絡(luò)——補充細節(jié)
        1) 生成網(wǎng)絡(luò)G2
        2) 輕量小感受野網(wǎng)絡(luò)Gg
    2.3 損失函數(shù)
3 實驗細節(jié)與評估指標
    3.1 數(shù)據(jù)預處理
    3.2 評估指標
    3.3 實驗設(shè)置細節(jié)
4 實驗結(jié)果與分析
    4.1 與先進算法的對比
        1) 與CNN先進算法的對比
        2)與GAN先進算法的對比
    4.2 兩級網(wǎng)絡(luò)結(jié)構(gòu)的對比
    4.3 輔助任務(wù)實驗對比
    4.4 MFM模塊實驗分析
5 結(jié) 論



本文編號：3192615