第1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2章 深度卷积神经网络
2.1 引言
2.2 CNN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
2.3.1 LeNet
2.3.2 AlexNet
2.3.3 VGGNet
2.3.4 GoogLeNet
2.3.5 ResNet
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3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 成像系统分辨率限制因素
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4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5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6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7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8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
后记
展开
