典型文献
特高压换流站保护系统全景监视图像超分辨率重建方法研究
文献摘要：
针对特高压换流站全景监视系统运行环境导致的视频图像抖动、镜头出现积灰等问题,以及基于深度学习的高分辨率图像重建算法存在细节特征失真和计算复杂度较高的缺陷,提出一种基于多尺度卷积块和残差网络的图像超分辨率重建方法,通过增加具有较小内核的深度卷积层来获取图像的鲁棒细节特征,并在训练过程中加入残差网络,加快网络收敛速度,解决消失梯度,改善图像重建质量.对部分标准数据集和特高压换流站全景监视图像数据集进行了图像超分辨率重建和目标识别实验研究,与超分辨率卷积神经网络(super-resolution convolutional neural network,SRCNN)和快速超分辨率卷积神经网络(fast SRCNN,FSRCNN)方法相比,所提算法的结构相似指数均值分别增加了 0.004 3和0.0298,峰值信噪比分别提高了 0.17 db和0.83 dB.实验结果表明所提方法重建了细节信息更逼真的高分辨率图像,可以满足换流站全景监视的需求.
文献关键词：
全景监视;图像超分辨率;多尺度卷积块;残差学习
中图分类号：
作者姓名：
谢民;邵庆祝;汪伟;俞斌;于洋;徐晓冰
作者机构：
国网安徽省电力有限公司,安徽合肥230022;合肥工业大学电气与自动化工程学院,安徽合肥230009
文献出处：
引用格式：
[1]谢民;邵庆祝;汪伟;俞斌;于洋;徐晓冰-.特高压换流站保护系统全景监视图像超分辨率重建方法研究)[J].广东电力,2022(05):101-109
A类：
全景监视
B类：
特高压换流站,保护系统,视图,图像超分辨率重建,重建方法,监视系统,运行环境,视频图像,抖动,镜头,积灰,高分辨率图像重建,图像重建算法,细节特征,失真,计算复杂度,多尺度卷积块,残差网络,深度卷积,卷积层,训练过程,网络收敛速度,重建质量,标准数据集,图像数据集,目标识别,super,resolution,convolutional,neural,network,fast,FSRCNN,结构相似指数,峰值信噪比,db,dB,细节信息,逼真,残差学习
AB值：
0.256638
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
