基于深度学习和双域融合的红外成像制导系统复杂背景噪声去除方法

红外成像制导系统受到严苛运行环境影响,其成像过程伴随复杂背景噪声干扰,严重影响系统制导跟踪精度。为减少复合噪声对红外成像效果的影响,在分析多种常见噪声的成因和特性的基础上,提出一种基于加性成分和乘性成分的噪声特性先验设定,结合空间域和变换域的双域融合去噪思想,设计了一种基于深度卷积神经网络的多类型噪声去除方法。该方法将富梯度流卷积模块引入UNet++结构以缩减梯度信息冗余并提升多感受野特征提取能力;针对噪声形态特性提出维度注意力机制以实现双域噪声估计;引入高阶双树复小波变换作为域变换方法,提升在不同尺度和方向上对噪声成分的识别能力。通过消融实验验证了噪声先验设定以及双域融合去噪思想的有效性和优越性,通过对比实验证明了所提方法对多种类型噪声均具有优秀的去噪能力。所提方法对高斯噪声的去噪峰值信噪比和结构相似度指标分别达到29.57和0.85,优于其他典型噪声抑制方法;对多类型混合噪声则分别达到27.84和0.82,达到良好的去噪水平。此外,也验证了所提方法对真实图像噪声具有优秀的去噪能力。

基于多相机融合的电磁轨道发射器内表面图像采集方法

电磁轨道发射器内表面二维图像可直观反映内膛损伤情况,包括损伤规模、颜色和细节纹理等,可通过获取内表面二维图像来进行内腔损伤评估。针对单台微型相机拍摄的局部图像视野狭窄,获取的内腔图像存在大量相似纹理的问题,提出一种多相机融合的电磁轨道发射器内表面图像采集方法,使用广角相机标定微型相机阵列之间的单应性关系,实现局部相似纹理图像的图像拼接,解决高相似纹理造成基于特征提取的图像拼接算法的误匹配率高的问题。经实验验证,该方法可获取内表面高清晰度图像,并实现较好的图像拼接效果。