基于生成式对抗网络的红外单像素成像研究
摘要
视频图像是现代媒体中的主要形式之一，无论是在电视、电影、互联网视频，还是
监控系统中，都离不开视频图像。而高分辨率图像可以提供更多的细节信息，这对于很
多应用来说至关重要。尤其是在计算机视觉领域，然而，计算机视觉的进展受到高质量
图像的限制，如何获得高质量图像一直是计算机视觉研究的一个难点。生成式对抗网络
作为一种新型深度学习方法，引起了广泛的关注。其可以生成高质量逼真的图像，进一
步推动了图像超分辨率重建向高质量方向发展。对于红外单像素成像系统中，始终存在
导引头的灵敏度与分辨率之间的矛盾。本文为解决在高灵敏度的红外玫瑰线点扫描方式
下尽可能提高图像的分辨率，补全未扫描到的缺失信息。主要工作是使用玫瑰线扫描的
方式进行物理方式的压缩成像。使用光学透镜替代传统的光学反射系统可以有效减少光
路传输中的损耗，同时结合神经网络进行控制，通过改进的生成式对抗网络，训练出一
个集稀疏采样与恢复算法为一体的红外单像素成像系统。在红外空中目标数据集上的实
验表明，输入为玫瑰线采样后的稀疏图像时，最终实现红外图像的单像素恢复成像，在
保证高灵敏度的同时提高了图像的分辨率。
首先，描述了单像素成像模型和图像超分辨率重建方法，分析其原理和推导过程。
介绍了生成式对抗网络的原理以及相关的数学模型。并根据生成式对抗网络可以呈现更
清晰地图像细节的特点，用于红外单像素图像的超分辨率重建中。本文提出一种基于生
成式对抗网络的红外单像素成像方法。先描述了设计的深度卷积网络的结构以及如何进
行玫瑰线扫描成像，再介绍了所用的数据集及参数配置情况，最后通过分析实验仿真结
果，不仅验证了此方法相比于传统算法的有效性，也证明了建立的单像素成像模型可以
很好的进行缺失图像的重建。
其次，本文提出了一种基于多特征融合的红外单像素成像方法。结合小波域对生成
器进行多尺度约束，再利用U-Net网络对判别器进行改进，结合注意力机制，在判断图
像真伪的同时结合未下采样前的图像特征，利用多特征进行了更完整的特征提取和拟合。
在给出方法的系统图和网络的结构之后，对其进行了仿真实验。最后再对仿真结果分析
后，在相同数据及下取得了更好的重建效果。进一步证明了深度学习算法的优势，以及
该单像素成像模型的实际应用性。
关键词：单像素成像；生成式对抗网络；玫瑰线扫描；分辨率
基于生成式对抗网络的红外单像素成像研究
ABSTRACT
Videoimagesareoneofthemainformsinmodernmedia.Theyareindispensablein
television,movies,internetvideosandsurveillancesystems.Highresolutionimagescan
providemoredetailedinformationwhichiscrucialformanyapplications.Especiallyinthe
fieldofcomputervision,however,theprogressofcomputervisionislimitedbyhigh-quality
images.Andobtaininghigh-qualityimageshasalwaysbeenachallengeincomputervision
research.Generativeadversarialnetworkshaveattractedwidespreadattentionasanewtypeof
deeplearningmethod.Itcangeneratehigh-qualityandrealisticimages,furtherpromotingthe
developmentofimagesuper-resolutionreconstructiontowardshigh-qualitydirection.For
infraredsinglepixel