孙 锐，章 晗*，程志康，张旭东

基于通道注意力与迁移学习的红外图像超分辨率重建算法

孙 锐1,2，章 晗1,2*，程志康1,2，张旭东1

1合肥工业大学计算机与信息学院，安徽 合肥 230009；2工业安全与应急技术安徽省重点实验室，安徽 合肥 230009

针对现有红外图像分辨率低、质量不高的问题，提出了基于通道注意力与迁移学习的红外图像超分辨率重建方法。该方法设计了一个深度卷积神经网络，融入通道注意力机制来增强网络的学习能力，并且使用残差学习方式来减轻梯度爆炸或消失问题，加速网络的收敛。考虑到高质量的红外图像难以采集、数目不足的情况，将网络的训练分成两步：第一步使用自然图像来预训练网络模型，第二步利用迁移学习的知识，用较少数量的高质量红外图像对预训练的模型参数进行迁移微调，使模型对红外图像的重建效果更优。最后，加入多尺度细节滤波器来提升红外重建图像的视觉效果。在Set5、Set14数据集以及红外图像上的实验表明，融入通道注意力机制和残差学习方法，均能提升超分辨率重建的效果，迁移微调能很好地解决红外样本数量不足的问题，而多尺度细节提升滤波则能提升重建图像的细节，增大信息量。

超分辨率；红外图像；卷积神经网络；注意力；迁移学习

1 引 言

自然界中温度在绝对零度(-273 ℃)以上的物体，都会因为自身的分子热运动而不断向外发射红外辐射，温度越高的物体发射的红外辐射越强。红外图像就是利用物体发射的红外辐射来完成成像的。……