Um die Fähigkeit des luftgestützten Infrarot-Bildgebungssystems zur Fernerkennung und Identifizierung von dynamischen Zielen zu verbessern, wird eine Methode zur Superresolution-Wiederherstellung von Infrarotvideos auf der Basis eines zyklischen Rest-Neuralen Netzwerks vorgeschlagen. Diese Methode zielt darauf ab, die tatsächlichen Degradationsprozesse des luftgestützten Infrarot-Bildgebungssystems zu analysieren, die Bewegungsinformationen dynamischer Ziele zu integrieren und durch Optimierung der Netzwerkarchitektur die Qualität der Videorekonstruktion effektiv zu verbessern. Zunächst wurde der Degradationsprozess von Infrarotvideos, einschließlich Down-Sampling, Bewegungsunschärfe und Rauschstörungen, analysiert und darauf basierend ein Low-Resolution-Datensatz erstellt. Ein zyklisches Rest-Neuronales Netzwerk wurde vorgestellt, das in der Lage ist, die Bewegungsinformationen dynamischer Ziele effektiv zu extrahieren und zu übertragen, um die Form, Kontur und Details des Ziels wiederherzustellen. Durch die Verbesserung der Hauptstruktur des Modells mit einem Cascade of Skip-Connection-Residual-Struktur wird der reibungslose Informationsfluss gewährleistet und gleichzeitig die Eignung für die Verarbeitung langer Videosequenzen sichergestellt, wobei ein Verschwinden des Gradienten während des Schulungsprozesses vermieden wird. Darüber hinaus wurde die Ausdrucksfähigkeit und Recheneffizienz des Netzwerks durch Anpassung der Anzahl von Residualblöcken und Kernels in verschiedenen Schichten optimiert. Darüber hinaus wurde eine Verlustfunktion, die Charbonnier-Verlust und Hochfrequenzinformationsverlust (HFLoss) kombiniert, vorgeschlagen, um die Wiederherstellung der hochfrequenten Details im rekonstruierten Bild zu verbessern. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagene Wiederherstellungsmethode in öffentlichen und gemessenen Infrarotdatensätzen eine Überresolution von dynamischen Zielen um den Faktor 2 erreichen kann, wobei der PSNR-Wert über 40 dB und der SSIM-Wert über 0,92 liegt und die Rekonstruktionsgeschwindigkeit nicht weniger als 45 fps beträgt. Durch Kombination von Auflösungstestzielen und der präzisen Kalibrierung des Infrarot-Zoom-Bildgebungssystems wurde die systematische Winkelauflösung validiert und es wurde bestätigt, dass die Wiederherstellungsmethode einen Vorteil bei der Verbesserung der systematischen Winkelauslösung bietet, wobei die systematische Winkelauslösung um den Faktor 1,43 verbessert wird. Diese Methode kann die Anforderungen an hohe Echtzeitfähigkeit und Rekonstruktionsqualität von luftgestützten Bildgebungssystemen erfüllen.

Computervision; Videosuperresolution; Deep Learning; Zyklisches neuronales Netzwerk; Tiefe-residuale Netzwerk; Infrarot-Dynamikziel