吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (3): 530-538.
薛凯天1 , JOHN Savkine 1 , 高吉龙2
XUE Kaitian 1 , JOHN Savkine 1 , GAO Jilong 2
摘要: 针对无人机巡检图像模糊、 分辨率低等问题, 利用深度残差卷积神经网络( VDRCNN: Very Deep Residual Convolutional Neural Network)理论, 提出了一种无人机巡检图像的超分辨率重构方法。 该算法模型 由超分辨率加深网络(VDSR: Very Deep Network for Super-Resolution)和残差结构组成, 同时结合批量组归一 化和 Adam 优化器以获得更好的重建效果。 在此基础上, 构建电力部件检测数据集, 通过恰当设置网络 参数, 实现针对模糊电力部件图像的高分辨率重构。 实验结果表明, 基于 VDRCNN 的超分辨率方法重建出 的图像纹理更丰富、 视觉效果更逼真, 在峰值信噪比和结构相似度上分别有 2. 95 dB 和 3. 79% 的提升, 明显 优于传统检测方法。 所提出的基于 VDRCNN 的电力巡检图像超分辨率重构方法对解决电力巡检实际问题 具有一定的应用价值。
中图分类号: