2D-GAN：用于红外图像增强的双解码生成对抗网络

摘要 红外成像技术在各个领域得到了广泛应用，但受到大气热辐射干扰等问题的影响，导致红外图像对比度差、细节模糊、噪声严重。因此，增强红外图像作为获取高质量数据的预处理步骤是必不可少的。本文提出了一种基于双解码生成对抗网络（2D-GAN）的红外图像增强算法，以解决这些挑战。所提算法在2D-GAN框架内采用两步解码结构，以增强网络有效理解和表示输入数据的能力。结合内部和外部跳跃连接，以增强网络的感知能力，解决在编码和解码过程中细节信息的损失。此外，设计了一个跨级注意力模块，以动态分配特征图的位置信息权重，从而增强生成图像的自然外观。通过比较实验验证了基于2D-GAN的增强算法的有效性，并辅以消融实验，阐明了网络中各模块的贡献。实验结果显示，红外图像质量显著增强，验证了所提算法的有效性。