Для повышения способности воздушной инфракрасной системы наблюдения обнаруживать и идентифицировать динамические цели на большом расстоянии предлагается метод восстановления видеоинфракрасной высокой разрешающей способности на основе циклической сети резидуальных нейронов. Этот метод нацелен на реальный процесс ухудшения инфракрасной системы наблюдения с воздушного объекта, а также, используя информацию об изменяющихся динамических целях, позволяет оптимизировать качество восстановления видео. Во-первых, был проведен анализ процесса ухудшения видеоинфракрасной системы, включая дискретизацию, движение размытие и антенны помех, и на этой основе была построена низкоразрешающая база данных, а также представлена циклическая сеть резидуальных нейронов. Эта сеть способна успешно извлекать и передавать информацию о движущихся динамических целях, что позволяет гибко восстанавливать форму, контур и текстурные детали целей. Используя основной структуру моделирования, использующую разделительную структуру частичных остаточных блоков, тем самым обеспечивается плавный поток информации, а также улучшается алгоритм обработки длинных последовательностей видео, а также успешно избегается исчезновение градиента модели в процессе обучения. Более того, путем настройки числа остаточных блоков и количества ядер свертки в каждом слое обеспечивается оптимизация представительной способности и вычислительной эффективности сети. Кроме того, предлагается совместная потеря Шарбонье и потеря высокочастотной информации (HFLoss) в качестве общего управления, используемая для улучшения эффекта восстановления высокочастотных деталей в реконструированном изображении. Результаты эксперимента показывают: предлагаемый метод обеспечивает двукратное восстановление динамической цели на видео на общих и практических базах данных, значение PSNR превышает 40 дБ, значение SSIM больше 0.92, и скорость реконструкции не менее чем 45 кадров/с. Путем сочетания маскированных тестовых меток разрешения и инфракрасной изобразительной системы удачно калибровано угловое разрешение системы, что подтверждает преимущества метода в повышении углового разрешения системы, увеличение углового разрешения системы в 1,43 раз. Этот метод способен удовлетворять требованиям высокой реальной работы устройства и качества восстановления.

Компьютерное зрение; высокая разрешающая способность видео; глубокое обучение; циклическая нейронная сеть; глубокая сеть резидуальных нейронов; динамические цели теплового излучения