.png){kind=icon}
返回
Self-Supervised Infrared Video Super-Resolution Based on Deformable Convolution
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14101995.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
红外视频常存在分辨率低的问题，这使得目标检测与识别任务难以执行。超分辨率（SR）是增强红外视频分辨率的有效技术。然而，现有的红外图像SR方法基本上属于单幅图像SR，由于忽略了视频中的强帧间相关性，限制了SR性能的发挥。我们提出了一种用于红外视频的自监督SR方法，该方法能够从原始低分辨率红外视频自身估计模糊核并生成配对数据，无需额外的高分辨率视频进行监督。此外，为克服光流预测在处理复杂运动时的局限性，引入了可变形卷积网络，以自适应地学习运动信息，捕捉红外视频中相邻图像间更准确、更细微的运动变化。实验结果表明，所提出的方法在恢复图像的视觉效果和定量指标方面均能取得卓越的性能。
Keyword:
infrared video
video super-resolution restoration
deep learning
self-supervised
deformable convolution
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容