论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 陈智雨,巩少岩,俞学豪,闫龙川,朱京,谢磊,葛冰玉
关键词: 自学习,电力巡检,相似度,超分辨率
来源: 电力信息与通信技术 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,计算机软件及计算机应用
单位: 国家电网有限公司信息通信分公司,全球能源互联网研究院有限公司
基金: 国家电网有限公司科技项目资助“基于知识发现的ICT系统故障分析及辅助研判关键技术研究”
分类号: TM75;TP391.41
DOI: 10.16543/j.2095-641x.electric.power.ict.2019.09.003
页码: 11-16
总页数: 6
文件大小: 3016K
下载量: 45