一种基于深度学习的绝缘子遥感影像超分辨率方法技术

本发明专利技术涉及一种基于深度学习的绝缘子遥感影像超分辨率方法，属于输电线路绝缘子遥感图像处理技术领域。该方法包括：基于Area‑to‑point Regression Kriging(ATPRK)算法的绝缘子遥感影像超分辨率训练数据制作、搭建基于Wide Deep Super Resolution Network(WDSR)算法的超分辨率网络、利用训练数据训练超分辨率模型、将目标影像输入训练好的训练超分辨率模型，得到最终超分辨率结果。本发明专利技术方法实现了在输电线路绝缘子遥感影像现有的极限分辨率下进一步提升其分辨率的功能，可以用于输电线路精细化巡检、缺陷查找等领域，易于推广应用。

【技术实现步骤摘要】
一种基于深度学习的绝缘子遥感影像超分辨率方法
本专利技术属于输电线路绝缘子遥感图像处理
，具体涉及一种基于深度学习的绝缘子遥感影像超分辨率方法。
技术介绍
遥感影像（简称：RS，英文：RemoteSensingImage）是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。遥感影像由于其空间尺度大的特点，经常被用于大面积区域的目标检测、地物分辨率等研究。其中，目标物体所占像素的多少，以及目标物体的纹理信息，对目标检测以及分类等的精度的影响都是较高的。而绝缘子遥感影像的分辨率往往较低，而更高分辨率的遥感影像往往价格较为昂贵。因此，将深度学习应用于绝缘子遥感影像并提升其分辨率，进而提升输电线路绝缘子检测和缺陷识别等的精度，具有重要研究意义。自2017年香港中文大学首次提出基于卷积神经网络单帧影像的超分辨率算法：SRCNN（Super-ResolutionConvolutionalNeuralNetwork）并相较传统的单帧影像超分辨率算法取了更加优秀的效果以来，基于深度学习的超分辨率算法得到巨大关注。目前，基于深度学习本文档来自技高网...

【技术保护点】
1.一种基于深度学习的绝缘子遥感影像超分辨率方法，其特征在于，包括如下步骤：/nS1：基于ATPRK融合算法的遥感影像超分辨率训练数据制作；/nS2：搭建基于WDSR的超分辨率网络；/nS3：利用训练数据训练超分辨率模型；/nS4：将目标影像输入训练好的训练超分辨率模型，得到最终超分辨率结果。/n

【技术特征摘要】
1.一种基于深度学习的绝缘子遥感影像超分辨率方法，其特征在于，包括如下步骤：
S1：基于ATPRK融合算法的遥感影像超分辨率训练数据制作；
S2：搭建基于WDSR的超分辨率网络；
S3：利用训练数据训练超分辨率模型；
S4：将目标影像输入训练好的训练超分辨率模型，得到最终超分辨率结果。


2.根据权利要求1所述的基于深度学习的绝缘子遥感影像超分辨率方法，其特征在于，所述S1中，遥感影像超分辨率训练数据制作方法为：
首先，对绝缘子遥感影像，根据其本身分辨率Scale1计算出其放大4倍后对应的分辨率Scale4；
其次，选取多光谱波段分辨率为Scale1，全色波段分辨率为Scale4的影像来制作训练数据；
最后，训练数据的设置为，输入端是分辨率为Scale1的多光谱数据，输出端为分辨率为Scale4的多光谱与全色波段ATPRK融合的数据。


3.根据权利要求1所述的基于深度学习的绝缘子遥感影像超分辨率方法，其特征在于，所述S2中，搭建基于WDSR的超分辨率网络的具体方法为：输入端接入一个由22个残差块和一个放大层构成的残差层，残差块中激活函数前输出通道为1...

【专利技术属性】
技术研发人员：黄双得，张辉，段尚琪，陈海东，葛兴科，胡昌斌，周仿荣，宋庆，潘浩，
申请(专利权)人：云南电网有限责任公司昆明供电局，
类型：发明
国别省市：云南;53