لتحسين قدرة نظام التصوير بالأشعة تحت الحمراء الجوي على اكتشاف وتحديد الأهداف الديناميكية عن بُعد، يُقدم هذا البحث طريقة لإعادة بناء فيديو الأشعة تحت الحمراء بدقة فائقة بناءً على شبكة العصبونات الدماغية الدقيقة المتكررة. تستهدف هذه الطريقة عملية التدهور الفعلية لنظام التصوير الجوي بالأشعة تحت الحمراء، وبالتوازي مع معلومات حركة الأهداف الديناميكية، تمكن من تحسين جودة إعادة الفيديو. أولاً، تم تحليل عملية التدهور لفيديو الأشعة تحت الحمراء التي تشمل التخفيض، الضباب، وتداخل الضوضاء، واستناداً إلى هذا تم بناء مجموعة بيانات ذات دقة منخفضة، وتقديم شبكة العصبونات الدماغية الدقيقة المتكررة. هذه الشبكة قادرة على استخراج ونقل معلومات حركة الأهداف الديناميكية بشكل فعال، مما يتيح استعادة شكل الهدف وملامحه وتفاصيله بمرونة. من خلال تحسين هيكل النموذج الرئيسي من خلال هيكل التراكم الجزئي للبقايا، يتم ضمان تدفق المعلومات اللامتزامنة وفي نفس الوقت جعلها أكثر ملاءمة لمعالجة تسلسلات الفيديو الطويلة، وتجنب استنفاد الانحياز خلال عملية التدريب. كما تم تحسين قدرة النموذج وكفاءته الحسابية من خلال ضبط عدد كتل البقايا وكمية الآلة المجردة في كل طبقة تحتاج لإعادة تشكيل النموذج. بالإضافة إلى ذلك، يتمتع المقترح بدمج خسارة شاربونييه مع خسارة المعلومات العالية التردد (HFLoss) كوسيلة مراقبة مشتركة لتحسين تأثير استعادة التفاصيل العالية التردد في الصورة المعادة. نتائج التجربة تظهر أن الطريقة المقترحة تحقق فعالية استعادة هدف ديناميكي 2 مرات بدقة فائقة على مجموعة بيانات الأشعة تحت الحمراء العامة والمقاسة عملياً، وقيمة PSNR أكبر من 40 ديسيبل، وقيمة SSIM أكبر من 0.92، ومعدل إعادة البناء لا يقل عن 45 إطارًا في الثانية. بالاعتماد على تصنيف دقة الهدف التوضيحي ونظام التصوير بالتكبير بالأشعة تحت الحمراء، نجحت طريقة الإعادة في دعم مزاياها في تحسين دقة زاوية النظام، مما أدى إلى زيادة 1.43 مرة في دقة الزاوية للنظام. تتمكن هذه الطريقة من تلبية متطلبات نظام التصوير الجوي من حيث الوقت الحقيقي وجودة إعادة البناء.

الرؤية الحاسوبية؛ تصوير الفيديو عالي الدقة؛ التعلم العميق؛ الشبكات العصبونية الدماغية الدقيقة؛ الشبكات العصبونية الدماغية الدقيقة العميقة؛ أهداف الحرارة الديناميكية