[发明专利]特高压换流站保护系统全景监视图像超分辨率重建方法

权利要求书

1.特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，包括以下步骤：

S1、在边缘侧建立深度多尺度残差网络模型；

所述的深度多尺度残差网络模型包括：输入端卷积层、输出卷积层、k个多尺度卷积块；所述的输入端卷积层作为编码器提取低分辨率图像的原始低阶特征；所述的输出端卷积层用于融合多尺度细节特征以重建高分辨率图像；所述的输入端卷积层与输出端卷积层之间跳跃连接，建立一个从低分辨率图像到高分辨率图像的恒等映射，以进行全局残差学习；k个所述的多尺度卷积块依次堆叠连接，用于获得网络模型深度；原始低阶特征与k个所述的多尺度卷积块之间通过k条路径对应连接，通过局部残差学习增强网络模型学习复杂特征的能力；

S2、输入样本数据集，对深度多尺度残差网络模型进行训练；

S3、对训练后的深度多尺度残差网络模型采用标准数据集，测试网络峰值信噪比和结构相似指数；

S4、将特高压换流站全景监视图像输入到训练好的深度多尺度残差网络模型完成超分辨率重建。

2.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的输入端卷积层、输出卷积层均采用步长为1的卷积核，所述的输入端卷积层使用Relu激活。

3.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的多尺度卷积块对输入图像分别使用3×3、3×2、2×3和2×2四种尺度的卷积核提取多层次细节特征，然后将四种尺度的特征图通过交叉机制，在指定维度上进行两两拼接，再送入尺度为3×3的卷积层中进行特征映射，生成与输入大小相同的新特征图送入下一个多尺度卷积块。

4.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的局部残差学习定义如下：

H^k＝G^k(H^k-1)+F (1)

其中，G^k为第k个多尺度卷积块学习得到的特征映射，H^k为第k个多尺度卷积块的输出，为第k-1个多尺度卷积块的输出，F为输入端卷积层提取的原始低阶特征。

5.根据权利要求4所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，全局残差和局部残差学习得到的k个多尺度卷积块映射表示为：

其中，F₀()为输入端卷积层需要学习的映射，F_-1()为输出端卷积层需要学习的映射，其中，I^HR、I^LR分别表示高分辨率图像和低分辨率图像，为第k-1个多尺度卷积块学习得到的特征映射，G^k为第1个多尺度卷积块学习得到的特征映射，R()为映射运算。

6.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的深度多尺度残差网络模型的损失函数为：

其中，为深度多尺度残差网络的参数，采用Adam优化器最小化损失函数；X⁽ⁱ⁾为样本数据集中的第i个子图像，Y⁽ⁱ⁾为相应的标签，N为正整数。

7.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的特高压换流站全景监视图像包括：二次设备、硬压板和端子锈蚀图像。

8.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的标准数据集包括：Set5、Set14和Urban100三个基础数据集。

9.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的测试峰值信噪比的计算公式如下：

其中，MSE为原始图像与处理后图像的均方误差，MAX_I表示图像颜色的最大值。

10.根据权利要求1所述的特高压换流站保护系统全景监视图像超分辨率重建方法，其特征在于，所述的结构相似指数的计算公式如下：

SSIM(X,Y)＝L(X,Y)*C(X,Y)*S(X,Y) (8)

其中，u_X、u_Y、σ_X和σ_Y分别表示图像X和Y的均值和标准差，σ_XY表示图像X和Y的协方差，C₁、C₂和C₃为常数，通常取C₁＝(K₁*L)²，C₂＝(K₂*L)²，C₃＝C₂/2，K₁＝0.01，K₂＝0.03，L为像素值的范围。