作战辅助系统中基于深度学习的投影图像颜色补偿方法

摘要

为了在复杂环境下实现显示系统的快速布置,提高现代战争中野外指挥系统建立的机动性,提出一种基于深度学习的投影图像颜色补偿方法,实现大规模数据在任意复杂颜色平面的可视化显示.该方法利用端到端的深度学习网络,基于一个模型和一个目标函数,规避了深度学习中多模块固有的缺陷;通过增加CompenNet网络层数,增加训练模型中图像特征的提取数量;采用改进的损失函数SSIM+Smooth L1计算图像相似度,增强损失函数的鲁棒性和稳定性,同时加快网络的收敛速度.实验结果显示,改进的CompenNet网络在相同24个数据集上训练迭代1000次后,生成的图像峰值信噪比平均值提高5.54％,结构相似性平均值提高0.14％,均方根误差平均值降低0.14％,人眼主观感知投影效果也表现得更好.