[发明专利]一种电力设备红外图像非盲超分辨率方法

说明书

本发明公开了一种电力设备红外图像非盲超分辨率方法，包括步骤：S1)基于电力设备红外图，根据图像降质模型对压缩感知基本模型进行改进，构建出压缩感知超分辨率模型；S2)以压缩感知超分辨率模型为基础，结合图像反卷积先验信息，引入图像边缘分布先验约束，构建出压缩感知非盲超分辨率模型，对电力设备红外图像进行重建；S3)采用双先验二次估计的方式对重建的电力设备红外图像中显著边缘区域加以提取，根据生成的标签图像区分边缘区域和平滑区域，采用不同λ取值对正则项强度加以调整，获得重建结果。本发明提供的电力设备红外图像非盲超分辨率方法，可有效解决电力设备红外图像模糊、分辨率低的问题。

技术领域

本发明涉及红外图像分辨率提升技术领域，特别是涉及一种电力设备红外图像非盲超分辨率方法。

背景技术

随着电力物联网的建设和传感器技术的发展，电力系统中图像信息出现了多样化爆炸性增长。通过各类巡检手段采集到的红外、紫外、可见光等设备图像信息呈现出了体量大、增长快且价值密度低的数据特征。其中，表现之一为采集的红外图像分辨率较低、成像模糊，这无疑限制了热成像技术在故障定位、图像识别等方面的进一步应用。而由于受到设备安装成本、数据传输、存储能力的限制，大幅提升现有红外传感器硬件性能存在一定困难。因此，为更好地应用红外诊断技术，有必要通过后台算法对采集得到的低分辨率红外图像进行处理，提升其视觉效果、丰富图像内涵信息。

近年来兴起的超分辨率技术为解决这一问题提供了新的思路。超分辨率方法要解决的问题为根据已知的低分辨率图像重建高分辨率图像。现有方法一般可分为三类：第一类方法忽略低分辨率图像形成过程中普遍存在的复杂模糊过程，认为低分辨率图像绝对清晰，仅对其分辨率进行提高，经研究结果表明，模糊核准确性对于超分辨率重建问题的影响甚至大于所选超分辨率模型的影响，因此在处理实际拍摄图像时，往往无法取得与其实验结果般的较好效果；第二类方法为盲超分辨率方法，其同时解决模糊核估计问题和高分辨率图像重建问题，但由于模糊核和高分辨率图像的联合恢复通常较为困难，且容易产生次优的重建结果，因此盲超分辨率方法的研究较少；第三类方法为非盲超分辨率方法，通过经典模糊核估计方法求解图像模糊核，之后采用所提出的非盲方法利用已知的模糊核及低分辨率图像进行图像超分辨率重建，该方法为现阶段的主要研究方法。

现有技术中，图像超分辨率的三种常用方法包括插值类方法、学习类方法和重建类方法。其中：插值类方法由于其固有的平滑效益，重建图像一般较为模糊，细节纹理不清晰，虽其算法原理简单，运行较快，但往往对实际应用价值不大；学习类方法需要大量高清图像对模型进行前期训练，而且训练样本与重建对象特征存在偏差时，易为图像增添假纹理，对利用重建得到的红外图像进行后期的故障诊断存在极为不利的影响，且由于其对样本的大量需求，目前难以在数据采集、存储模式仍较为粗放的电网中实际运用；重建类方法根据图像降质原理，通过在贝叶斯框架中结合先验信息或在其逆问题中引入正则化实现对图像的超分辨率重建，此类方法不受样本限制，使用灵活且重建效果较好，易于在电网中大规模推广应用。

发明内容

本发明的目的是提供一种电力设备红外图像非盲超分辨率方法，可有效解决电力设备红外图像模糊、分辨率低的问题。

为实现上述目的，本发明提供了如下方案：

一种电力设备红外图像非盲超分辨率方法，包括步骤：

S1)基于电力设备红外图像对图像降质模型进行改进，构建出压缩感知超分辨率模型；具体的，

图像降质模型为：

式中：Y为低分辨率图像；X为高分辨率图像；k为模糊核；为卷积运算；↓为下采样过程；N为噪声；

改进的压缩感知超分辨率模型的目标函数为：