考虑局部纹理特征和全局温度分布的电力设备红外图像超分辨率重建方法

针对传统电力设备红外图像超分辨率重建方法缺乏对设备局部纹理特征和全局温度分布的考虑导致重建后图像分辨率较低的问题,提出一种基于Transformer-GAN聚合网络的电力设备超分辨率重建方法.首先,基于移位卷积设计电力设备局部特征提取模块,在不增加参数情况下扩展卷积的感受野,提取电力设备局部纹理及其周围不同空间维度特征的信息.然后,引入全局特征提取模块,通过深度卷积和空间注意力机制捕捉图像不同区域间温度分布的关联性.最后,采用 UNet 编解码器网络融合各层局部特征和全局表示,生成清晰自然的电力设备红外图像.算例结果表明,所提方法的峰值信噪比(peak signal-to-noise rati...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 53; no. 2; pp. 89 - 99
Main Authors 赵洪山, 王惠东, 刘婧萱, 杨伟新, 李忠航, 林诗雨, 余洋, 吕廷彦
Format Journal Article
LanguageChinese
Published 华北电力大学电气与电子工程学院,河北 保定 071003%国网冀北电力有限公司电力科学研究院,北京 100045 16.01.2025
Subjects
infrared image
global temperature distribution
电力设备
local texture features
局部纹理特征
super-resolution reconstruction
power equipment
全局温度分布
Transformer-GAN
红外图像
超分辨率重建
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.240741

Cover

More Information
Summary:针对传统电力设备红外图像超分辨率重建方法缺乏对设备局部纹理特征和全局温度分布的考虑导致重建后图像分辨率较低的问题,提出一种基于Transformer-GAN聚合网络的电力设备超分辨率重建方法.首先,基于移位卷积设计电力设备局部特征提取模块,在不增加参数情况下扩展卷积的感受野,提取电力设备局部纹理及其周围不同空间维度特征的信息.然后,引入全局特征提取模块,通过深度卷积和空间注意力机制捕捉图像不同区域间温度分布的关联性.最后,采用 UNet 编解码器网络融合各层局部特征和全局表示,生成清晰自然的电力设备红外图像.算例结果表明,所提方法的峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)、和视觉信息保真度(visual information fidelity,VIF)三项评价指标均优于其他方法.同时它具有良好的主观视觉效果,泛化能力较强.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.240741