[发明专利]一种绝缘子图像超分辨率重建方法

说明书

本申请提供了一种绝缘子图像超分辨率重建方法，所述方法包括利用标准数据集中的图像构造训练数据集；基于预特征融合与局部注意力机制构建多尺度密集残差训练网络；将构造好的训练数据集输入多尺度密集残差训练网络，对所述多尺度密集残差训练网络进行训练；将低分辨率的绝缘子图像输入训练后的所述多尺度密集残差训练网络中，生成超分辨率重建图像；利用峰值信噪比和结构相似性评估超分辨率重建绝缘子图像的质量。本申请所用的局部注意力机制有效改善了现有的低分辨率图像超分辨率重建的过程中边缘、纹理细节的重构问题，预先融合的多尺度密集参差网络能够充分利用各种感受野分辨低分率图像的特征信息。

技术领域

本申请涉及数字图像处理技术领域，尤其涉及一种绝缘子图像超分辨率重建方法。

背景技术

在绝缘子拍摄过程中，由于大部分电力设备如绝缘子等都位于高塔上或离地面很远的地方，因此用固定设备拍摄时不得不采用远距离拍摄方法。在远距离拍摄过程中，由于现有技术中的拍摄设备的变焦距离都很短，因此很难拍摄出清晰的图像。虽然使用无人机拍摄可以解决拍摄的距离问题，但是在无人机的飞行过程中可能会受到天气气候、风、无人机自身稳定性等的影响，即无人机处于动态拍摄状态，拍摄出的图像可能无法顺利聚焦，或由于其他原因导致拍摄图像模糊，分辨率低下。

当前传统的残差密集网络大多数都是在浅层用单卷积核进行特征提取，用跳转连接生成残差，使用特征融合和上采样方式生成第一分辨率图像，故无法在多尺度下进行特征提取，提取到的特征信息量过少，生成的第一分辨率的绝缘子图像的特征信息不够多。

发明内容

本申请提供了一种绝缘子图像超分辨率重建方法，以解决在绝缘子拍摄过程中由于各种原因导致拍摄出的图像模糊或分辨率低下的问题。

本申请提供一种绝缘子图像超分辨率重建方法，包括：

利用标准数据集中的图像构造训练数据集，将标准数据集中的第一分辨率的图像裁剪成预设大小的标签图像，通过下采样方法将标签图像下采样到预设大小的第二分辨率图像构建训练数据集；所述第二分辨率小于所述第一分辨率；

基于预特征融合与局部注意力机制构建多尺度密集残差训练网络；

将构造好的训练数据集输入多尺度密集残差训练网络，对所述多尺度密集残差训练网络进行训练；

将第二分辨率的绝缘子图像输入训练后的所述多尺度密集残差训练网络中，生成超分辨率重建图像；

利用峰值信噪比和结构相似性评估超分辨率重建绝缘子图像的质量。

可选的，利用标准数据集中的图像构造训练数据集的步骤，包括：

所述标签图像的预设大小为256*256，所述第二分辨率图像的预设大小为64*64。

可选的，基于预特征融合与局部注意力机制构建多尺度密集残差训练网络的步骤，包括：

采用基于步长与池化核相等的池化方法实现局部注意力机制，预先对多尺度密集残差网络生成的特征图进行特征融合，在所述预特征融合方法中加入局部注意力机制构建多尺度密集残差网络。

可选的，所述方法还包括：

所述实现局部注意力机制的具体过程为：

利用平均池化方法提取输入的训练数据集中图像的平均信息，通过插值法上采样出与输入图像的特征图等大的平均信息图，将平均信息图与特征图作差，与特征图逐元素相乘，经过relu激活函数，将相减后小于0的部分归0，大于0的部分设置为梯度，公式如下：

其中,T_D表示进行注意力机制增强后的特征图，T_d表示输入的特征图，T_DR为特征图与平均信息图之间的差值图，为逐元素相乘，relu为激活函数。