Resumen

La red neuronal convolucional ha logrado buenos resultados en la reconstrucción de súper resolución de imágenes de un solo fotograma. Sin embargo, debido a las deficiencias de las imágenes infrarrojas como la falta de detalles, el bajo contraste y los bordes borrosos, la reconstrucción de súper resolución de imágenes infrarrojas que preserve la estructura de los bordes y tenga una mejor calidad visual sigue siendo un desafío. Con el objetivo de abordar los problemas de baja resolución y bordes poco claros de las imágenes infrarrojas, este trabajo propone un modelo de red generativa adversaria de dos etapas para reconstruir imágenes de súper resolución realistas a partir de imágenes infrarrojas muestreadas a una cuarta parte de su tamaño. En la primera etapa de la red generativa adversaria, se enfoca en recuperar la información general del contorno de la imagen para obtener bordes claros; la segunda etapa de la red generativa adversaria se concentra en recuperar la información detallada de las características de la imagen y tiene una mayor capacidad para expresar detalles. El método de reconstr

• Materias:Codificación de video Retraso de zapping Fusión de hipergrafía Esteganografía de imagen Segmentación de movimiento
• Subjects:Video Coding Zapping delay Hypergraph fusion Image steganography Motion segmentation
• Palabras claves:Red neuronal convolucional; Reconstrucción de súper resolución; Imágenes infrarrojas; Red generativa adversarial; Estructura de bordes; Calidad visual
• Keywords:Convolutional neural network; Superresolution reconstruction; Infrared images; Generative adversarial network; Edge structure; Visual quality