基于自学习超分辨率的电力线路巡检可视化

被引：6

作者：

陈智雨 ^{[1
]}

巩少岩 ^{[2
]}

俞学豪 ^{[1
]}

闫龙川 ^{[1
]}

朱京 ^{[1
]}

谢磊 ^{[1
]}

葛冰玉 ^{[1
]}

机构：

[1] 国家电网有限公司信息通信分公司

[2] 全球能源互联网研究院有限公司

来源：

电力信息与通信技术 | 2019年 / 17卷 / 09期

关键词：

自学习; 电力巡检; 相似度; 超分辨率;

D O I：

10.16543/j.2095-641x.electric.power.ict.2019.09.003

中图分类号：

TM75 [线路及杆塔]; TP391.41 [];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为提高可视化电力系统智能巡检的效率,快速精确提取巡检图像的细节信息,文章提出基于单幅图像自学习的巡检图像超分辨率方法,提供高清晰度的图像支撑设备状态的智能化分析。图像超分辨率是将低分辨率(Low-Resolution,LR)图像重构成高分辨率(High-Resolution,HR)图像,基于深度卷积神经网络的超分辨率方法利用外部数据库开展大量的学习计算并进行多层网络参数优化,需要大量的运算成本。为了降低系统的成本消耗,单幅图像超分辨率技术成为一个重要的研究领域。文章提出利用图像自相似性进行自学习单幅图像超分辨(Signal Image Super-Resolution,SISR),在不使用任何外部训练数据库的情况下取得很好的超分辨性能,结合特征相似性有效提升电力设备状态可视化检测的精度。实验结果表明,提出方法能够显著提高设备结构异常变换的精确性。

引用

页码：11 / 16

页数：6

共 11 条

[1]

基于Canny算子的简化PCNN电力故障区域提取方法 [J].