基于多结构融合WGAN的模糊绝缘子图像复原方法研究

为解决因不可抗力因素导致无人机航拍绝缘子图像发生运动模糊的问题,提出一种基于多结构融合Wasserstein生成对抗网络(Wasserstein generate adversarial networks,WGAN)的模糊绝缘子图像复原方法.针对模糊图像复原问题,对基于Wasserstein距离的生成对抗网络加以改进,在损失函数中引入梯度惩罚项优化训练过程,保证模型训练的稳定性并提高图像复原质量.在生成网络中融入空洞卷积残差网络和卷积注意力机制,加强神经网络对图像有效特征的学习.实验结果表明,通过与其他算法比较,所提方法在峰值信噪比和结构相似度两种指标上均高于其他算法.对不同算法生成的图像进行...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 52; no. 22; pp. 166 - 175
Main Authors 芦肇基, 沈艳霞, 谭永强
Format Journal Article
LanguageChinese
Published 江南大学物联网工程学院,江苏 无锡 214122%国网江苏省电力有限公司南京供电公司,江苏 南京 210000 16.11.2024
Subjects
generative adversarial networks
deep learning
生成对抗网络
insulator image restoration
residual networks
绝缘子图像复原
convolution attention mechanism
深度学习
残差网络
卷积注意力机制
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.240115

Cover

More Information
Summary:为解决因不可抗力因素导致无人机航拍绝缘子图像发生运动模糊的问题,提出一种基于多结构融合Wasserstein生成对抗网络(Wasserstein generate adversarial networks,WGAN)的模糊绝缘子图像复原方法.针对模糊图像复原问题,对基于Wasserstein距离的生成对抗网络加以改进,在损失函数中引入梯度惩罚项优化训练过程,保证模型训练的稳定性并提高图像复原质量.在生成网络中融入空洞卷积残差网络和卷积注意力机制,加强神经网络对图像有效特征的学习.实验结果表明,通过与其他算法比较,所提方法在峰值信噪比和结构相似度两种指标上均高于其他算法.对不同算法生成的图像进行比较,证明了该方法能有效提取图像细节特征,提高模糊绝缘子图像的复原质量.采用YOLOv5s目标检测算法进行实验,证明了所提方法对目标检测的准确率有所提升.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.240115