基于E-FCNN的电力巡检图像增强

作     者：白万荣 张驯 朱小琴 刘吉祥 程其玉 赵琰 邵洁 BAI Wanrong;ZHANG Xun;ZHU Xiaoqin;LIU Jixiang;CHENG Qiyu;ZHAO Yan;SHAO Jie

作者机构：国网甘肃省电力公司电力科学研究院甘肃兰州730050 上海电力大学电子与信息工程学院上海200090 

出 版 物：《中国电力》 (Electric Power)

年 卷 期：2021年第54卷第5期

页      面：179-185页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(基于显著特征和数据压缩的图像摘要关键技术研究 F020603) 

主　　题：电力巡检 超分辨率 图像增强 卷积神经网络 边缘感知 

摘      要：为了解决无人机巡线、无人值守变电站机器人巡检中,由于距离过远或机器抖动造成的采集图像待检目标分辨率低、图像模糊等问题,提出一种边缘感知反馈卷积神经网络E-FCNN。该网络在传统超分辨率网络基础上增加了残差模块和反馈机制,实现细节特征的提取和强化,并通过边缘感知分支补充纹理信息,提升了图像的细节描述。通过测试集实验结果表明:提出的边缘感知反馈卷积神经网络无论在主观视觉质量,或是峰值信噪比等客观评价指标上,都明显优于其他相关算法。且在基于无人机巡检的绝缘子检测应用中能够有效提高绝缘子检测率。