成果介绍
针对红外图像灰度信息单一、细节缺失、传统彩色方法目标结构易失真及小目标丢失等问题,提出了一种基于多光谱数据驱动的红外图像自然彩色化方法。该方法从数据源头融合高光谱先验信息,将红外图像光谱通道由单维扩展为多维特征表达;同时优化网络结构,构建新型多阶段无监督自注意力生成对抗网络,并融入光谱自注意力机制,实现多波段特征协同建模与光谱相关性深度挖掘,有效减少邻域间语义特征混淆,提升图像语义完整性与视觉感知效果。红外彩色化图像接近可见光传感器水平,实现了红外灰度视觉向自然彩色视觉的高保真跨模态迁移。相比国内外同类产品,本成果在色彩还原精度、目标识别率及复杂场景适应性方面具有显著优势,已在南京北方卫星导航检测认证中心得到验证,可广泛应用于夜间监控、智能安防、无人驾驶等领域。
成果亮点
(1) 色彩丰富度(Colorfulness):量化图像色彩鲜艳度和多样性,相较于经典方法,提升 23.9%;
(2) 自然图像质量评估(NIQE):衡量图像与自然图像统计一致性,值越低越自然,相较于经典方法,提升 16.6%;
(3) 目标识别平均准确率(mAP):衡量彩色化图像多类别目标检测精度,相较于经典方法,mAP 提升 21.9%。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料