Para melhorar a capacidade dos sistemas de imagem infravermelha embarcados na detecção e reconhecimento de alvos dinâmicos a longa distância, propõe-se um método de reconstrução de vídeo infravermelho de super-resolução baseado em rede neural residual recorrente. Este método aborda o processo de degradação real dos sistemas de imagem infravermelha embarcados, combinando informações de movimento dos alvos dinâmicos, e, através da otimização da arquitetura da rede, melhora eficazmente a qualidade da reconstrução do vídeo. Inicialmente, foi analisado o processo de degradação do vídeo infravermelho, incluindo subamostragem, desfoque de movimento e interferência de ruído, e com base nisso foi construído um conjunto de dados de baixa resolução. Foi introduzida uma rede neural residual recorrente que pode extrair e transmitir eficazmente informações de movimento dos alvos dinâmicos para restaurar a forma, contorno e detalhes texturais do alvo. A estrutura principal do modelo foi aprimorada utilizando uma estrutura residual em cascata com saltos, garantindo um fluxo de informação suave e tornando-a mais adequada para lidar com sequências de vídeo longas, além de evitar eficazmente o desaparecimento do gradiente durante o treinamento. Além disso, a capacidade de expressão e a eficiência de cálculo da rede foram otimizadas ajustando-se o número de blocos residuais e o número dos núcleos convolucionais em cada camada. Além disso, foi proposta uma função de perda que combina a perda Charbonnier e a perda de informação de alta frequência (HFLoss) para supervisão conjunta, visando melhorar a recuperação de detalhes de alta frequência nas imagens reconstruídas. Os resultados experimentais mostram que o método de reconstrução proposto pode alcançar super-resolução 2x para alvos dinâmicos em conjuntos de dados infravermelhos públicos e reais, com valor PSNR superior a 40 dB, valor SSIM acima de 0,92 e taxa de reconstrução não inferior a 45 frames por segundo. Combinando um alvo de teste de resolução e um sistema de imagem infravermelha com zoom variável, a resolução angular do sistema foi calibrada com precisão, verificando a vantagem do método de reconstrução na melhoria da resolução angular do sistema, com um aumento de 1,43 vezes. Este método pode atender aos requisitos de alta capacidade em tempo real e qualidade de reconstrução dos sistemas de imagem embarcados.

visão computacional;super-resolução de vídeo;aprendizado profundo;rede neural recorrente;rede residual profunda;alvos dinâmicos infravermelhos