基于GAN和DWT的船舶红外偏振图像超分辨方法

针对海面船舶红外偏振成像分辨率低、细节不清的问题,提出一种小波变换与生成对抗网络结合的方法提高图像分辨率。使用纯卷积神经网络模型(ConvNeXt)改进超分辨网络(SRGAN),采用非局部均值对原始低分辨船舶红外偏振图像进行去噪,用改进的SRGAN对低分辨率图像进行初始超分辨率,使用二维离散小波变换提取初始超分图像的细节信息,最后将细节信息通过小波逆变换与原始低分辨率的船舶红外偏振图像融合。与传统超分辨方法相比,本文方法得到的超分辨图像的峰值信噪比和结构相似性有明显提升。本文实现了红外偏振图像超分辨率与细节信息融合的同时进行,得到的超分辨率图像既保留了原始图像的红外偏振信息,又融合了高分辨率的细节信息。