张 坤 李天伟

（海军大连舰艇学院航海系 大连 116018）

1 引言

近年来，图像超分辨率技术得到了有效发展，广泛应用于各种领域，如视频监控、医学成像、高清晰度电视、遥感、手机与数码相机等［1］。目前深度卷积神经网络（CNN）方法在单幅图像超分辨率（SISR）领域取得了非常大的进展［2～3］。但为了训练一个可用的深度网络，基于该算法的图像超分辨率方法需要一个很大的数据集［4］。在海上舰船目标图像的超分辨任务中，实地采集大量同时包含高低分辨率的成对图像数据有很多难以克服的困难。因此为了有效利用现有海上舰船目标高分辨率（High-Resolution，HR）图像数据，需要一种退化函数，能把清晰的海上目标图像处理成低分辨率图像（Low-Resolution，LR），以最大的接近实际采集的海上舰船目标退化图像，而后用生成的数据集训练超分辨率所用的深度网络。

现有基于CNN 的SISR 方法主要假设低分辨率（LR）图像由高分辨率（HR）图像经过双三次（bicubic）降采样得到，因此当真实图像的退化过程不遵循该假设时，其超分辨结果会非常差［5］。实验表明，实际采集的海上舰船目标图像和其降采样图像并不完全符合双三次降采样特征，因此本文以互信息为评价准则，通过与实际采集的降采样图像对比的方法，基于二次线性差值方法和高斯低通过滤器为基础，构建一种有效的模拟海上目标图像退化函数的方法，该方法可对现有数据进行有效拓展。

2 目标图像采集方法

本文对实验数据进行了实地的采集，通过选择合理的地理位置，在港口和舰船的通航路线附近架设双目摄像机，对停泊和航行中的舰船目标进行拍摄。……