基于混合残差密集网络的电路板红外图像超分重建

摘要：

红外图像普遍存在分辨率低、细节模糊和视觉效果差的问题,使其难于直接应用在PCB故障诊断系统中.针对这一问题,本文提出了一种可充分利用红外图像层次特征的混合残差密集网络超分辨率重建算法.首先,使用卷积神经网络提取原始低分辨率图像的浅层特征信息;其次,设计多路径混合残差密集连接块,进一步提取更丰富的深层特征信息;最后,引入全局特征融合与残差学习自适应的学习并整合全局特征信息,应用转置卷积上采样完成红外图像的超分辨率重建.实验结果表明,本文算法能够有效提高重建后红外图像分辨率,使细节信息得到改善、视觉效果得到提升.基于公共/自建数据集得到的重建后图像峰值信噪比和结构相似性指标分别达到42.17 dB/39.32 dB和0.9503/0.9466,优于文中列举的双三次内插法、SRCNN和ESPCN模型,重建性能得到明显提高.

关键词：超分辨率重建;红外图像;电路板;卷积神经网络;混合残差密集网络

所属期刊栏目：52

分类号：O436.3(光学)

资助基金：国家自然科学基金;中央高校基本科研业务费项目

在线出版日期：2022-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：287-294