基于深度学习的红外与微光图像处理

第章绪论//

11光电成像探测技术发展概况//

111光电成像系统发展瓶颈//

112融合技术国内外研究现状//

12本书主要章节组织安排//

第章深度卷积神经网络//

21引言//

22CNN基础操作//

221卷积操作//

222池化操作//

223激活层//

224批归一化层//

225全连接层//

226小结//

23常见的CNN模型结构//

231LeNet//

232AlexNet//

233VGGNet//

234GoogLeNet//

235ResNet//

236小结//

24常见目标损失函数//

241交叉熵损失函数//

242平均绝对误差损失函数//

243均方差损失函数//

244小结//

25网络参数与超参数//

251参数和超参数区别//

252参数类别//

253超参数调优//

254小结//

第章基于深度学习的红外与微光图像处理理论基础//

31异源图像融合相关理论基础//

311红外与可见光成像机理//

312异源图像融合基本流程与算法//

313图像融合质量评价//

32图像超分辨率成像相关理论基础//

321图像退化正向模型//

322相机的离散采样理论//

323成像系统分辨率因素//

33图像超分辨率重建方法概述//

331基于插值的单帧图像超分辨率重建技术//

332多帧图像超分辨率重建技术//

333基于融合神经网络的单帧图像超分辨率重建技术//

第章面向真实世界的单帧图像超分辨率重建技术研究//

41引言//

42基于编-解码策略的单帧红外图像超分辨率重建//

421网络结构//

422实验结果与分析//

43基于双路传播的伪彩色红外图像超分辨率重建//

431引言//

432基于双路传播的高分辨率彩色重建网络//

433实验结果与分析//

44基于回归网络的单幅图像超分辨率重建//

441引言//

442网络基本构建模块//

443基于闭环回归的图像超分辨率网络及算法//

444实验结果与分析//

45基于真实世界数据集构建//

451引言//

452薄透镜成像原理//

453采集图像预处理//

第章基于暗弱场景下微光图像超分辨率成像技术研究//

51引言//

52算法思路与网络结构//

53分析与讨论//

531数据集建立//

532实验设置//

第章跨模态异源图像高分辨率成像技术研究//

61引言//

62算法思路与流程//

621语义分割//

622风格迁移//

63融合神经网络构建//

64实验结果与分析//

第章双波段异源图像检测跟踪成像技术应用研究//

71引言//

72基于YOLOv5的目标检测识别技术研究//

721网络模型//

722实验结果与分析//

73基于孪生网络的目标跟踪技术研究//

731基准网络框架//

732网络模型//

733实验结果与分析//

第章单幅图像超分辨率重建算法部署与应用//

81软硬件基础//

811计算机系统//

812软件下载//

82环境配置//

821配置镜像源//

822终端操作//

823常用命令操作//

83数据集//

831公开数据集//

832数据集制作//

84代码实例//

841文件组织架构//

842关于__init__py//

843数据加载//

844模型设计//

845损失函数和优化器//

846训练//

847测试//

848结果展示//

参考文献//