TCSVT 2024 | 热红外图像退化建模与背景热噪声和条纹干扰下的真实世界超分辨率

主要观点总结

本文介绍了关于热红外图像退化建模与真实世界超分辨率的研究论文。论文通过对热成像原理和数据集进行统计分析，构建了TIR退化模型，以更好地模拟背景热噪声和条纹干扰现象。同时，设计了多结构融合生成器，采用灰度化可见光图像引导训练，并提出BSSRGAN网络。文章还详细解释了提出的方法，包括TIR退化模型的构建、网络架构的设计等。最后，给出了实验结果和论文推广的相关信息。

关键观点总结

关键观点1: 论文创新点

构建了TIR退化模型，充分考虑了热红外图像中背景热噪声和条纹干扰的生成机制；设计了多结构融合生成器，其中动态密集注意力（DDA）模块可动态分配权重，充分利用两个分支的信息；采用灰度化可见光图像引导训练，提高了图像的清晰度和质量；构建了BSSRGAN网络，集成了上述创新点，解决了红外图像分辨率低、纹理细节模糊的问题。

关键观点2: 背景热噪声和条纹干扰的建模

通过对热成像相机的工作原理和数据集进行统计分析，模拟了背景热噪声和条纹干扰的产生原因，并使用加性高斯噪声、泊松噪声、正弦函数等进行了模拟。

关键观点3: 网络架构和生成器的设计

提出了具有残差动态密集注意力模块的新型生成器RDDANet，由浅层特征提取、深度特征提取的残差动态密集注意力模块和重建模块组成。其中DDA模块可以动态平衡注意力分支和密集连接分支的权重。

关键观点4: 实验结果的说明

论文中的方法在实践中展现出出色的视觉效果，在增强图像纹理信息的同时，有效消除了噪声和条纹的影响。

免责声明