本发明专利技术涉及图像处理技术领域，具体公开了一种基于数据生成的受电弓异常图像恢复方法，包括：从历史受电弓的正常原始图像中提取出正常感兴趣区域图像；生成历史受电弓的模拟异常感兴趣区域图像；将历史受电弓的正常感兴趣区域图像和模拟异常感兴趣区域图像构成训练数据集；利用训练数据集对改进后的KinD模型进行训练，得到训练后的KinD模型；将当前受电弓的异常感兴趣区域图像输入到训练后的KinD模型中进行图像恢复，输出当前受电弓的恢复后感兴趣区域图像，然后将当前受电弓的异常感兴趣区域图像替换为恢复后感兴趣区域图像，得到当前受电弓的恢复后原始图像。本发明专利技术可以实现受电弓区域在过暗过曝工况下的图像质量增强和数据可用性。
【技术实现步骤摘要】
本专利技术涉及图像处理，更具体地，涉及一种基于数据生成的受电弓异常图像恢复方法。
技术介绍
1、受电弓是连接高铁列车车体和牵引装置(如电机或发动机)的重要组件，其状态对列车的正常运行至关重要，目的是通过检测受电弓的形状和变形，及时发现并修复潜在的问题，防止事故发生。在高铁运行过程中，相机监察反曲弓的工作是确保高铁线路的安全和正常运行的关键环节，反曲弓检测是为了确保列车和轨道的安全运行。然而，目前的受电弓检测技术仍存在一些不足之处，在进入或出隧道时，由于光照强度突然变化，相机所采集到的受电弓图像往往会出现过暗以及过曝的情况，这会对检测结果产生干扰，很大程度上影响到检测结果的准确性，从而产生高铁运行中的安全隐患。
2、近年来，随着人工智能广泛应用于各个领域，智能算法在图像处理领域也得到了极大的发展和应用。传统的解决图像过暗过曝的模式如光圈自适应，主要通过调整光圈大小来控制光线的进入量，以调整图像的亮度，然而，相机的动态范围是有限的，即相机可以捕捉到的亮度范围是有限的，当场景的亮度范围超出相机的动态范围时，即使通过光圈自适应调整了光圈大小，仍然无法完全避免采集到的图像过暗或过曝的问题。
3、相应的，人工智能算法能够更好地处理复杂光照条件下的图像，提供更好的动态范围增强效果，在处理过暗和过曝图像时，人工智能算法可以更好地保持图像细节的丰富性和色彩的真实性。同时人工智能算法可以实现自动化处理，不需要用户手动调节参数或光圈大小，通过训练模型，算法可以根据图像的特征和场景自动调整，提供更便捷、快速且智能化的解决方案。</p>
技术实现思路
1、本专利技术旨在克服上述缺陷，提供一种基于数据生成的受电弓异常图像恢复方法，可以实现受电弓区域在过暗过曝工况下的图像质量增强和数据可用性。
2、作为本专利技术的第一个方面，提供一种基于数据生成的受电弓异常图像恢复方法，包括如下步骤：
3、步骤s1：获取历史受电弓的正常原始图像；
4、步骤s2：对所述历史受电弓的正常原始图像进行感兴趣区域提取，以得到所述历史受电弓的正常感兴趣区域图像；
5、步骤s3：对所述历史受电弓的正常感兴趣区域图像进行异常状态模拟，以得到所述历史受电弓的模拟异常感兴趣区域图像；
6、步骤s4：将所述历史受电弓的正常感兴趣区域图像和所述历史受电弓的模拟异常感兴趣区域图像共同构成训练数据集；
7、步骤s5：对原始kind模型进行改进，以得到改进后的kind模型，并利用所述训练数据集对所述改进后的kind模型进行训练，以得到训练后的kind模型；
8、步骤s6：获取当前受电弓的异常原始图像，并对所述当前受电弓的异常原始图像进行感兴趣区域提取，以得到所述当前受电弓的异常感兴趣区域图像；
9、步骤s7：将所述当前受电弓的异常感兴趣区域图像输入到所述训练后的kind模型中进行图像恢复，以输出所述当前受电弓的恢复后感兴趣区域图像，然后将所述当前受电弓的异常原始图像中的异常感兴趣区域图像替换为恢复后感兴趣区域图像，最终得到所述当前受电弓的恢复后原始图像。
10、进一步地，所述将所述历史受电弓的正常感兴趣区域图像和所述历史受电弓的模拟异常感兴趣区域图像共同构成训练数据集，还包括：
11、分别对所述历史受电弓的正常感兴趣区域图像和所述历史受电弓的模拟异常感兴趣区域图像进行图像预处理，以对应得到所述历史受电弓的处理后的正常感兴趣区域图像和所述历史受电弓的处理后的模拟异常感兴趣区域图像；
12、将所述历史受电弓的处理后的正常感兴趣区域图像和所述历史受电弓的处理后的模拟异常感兴趣区域图像共同构成所述训练数据集，用于后续所述改进后的kind模型的训练。
13、进一步地，图像预处理包括图像归一化、图像翻转、图像旋转和图像降噪；
14、其中，图像归一化norm的公式如下：
15、
16、式中，xi表示图像中第i个像素点的值，max(x)和min(x)分别代表图像中像素点的最大值和最小值。
17、进一步地，所述获取历史受电弓的正常原始图像，还包括：
18、基于先验知识使用视频抽帧的方式对所述历史受电弓的正常原始图像进行采样，采样率sr的计算公式如下：
19、
20、其中，采样率sr指每秒采集的图像数量；fr为视频中每秒包含的图像帧数；dsc为预设采样帧数。
21、进一步地，所述对所述历史受电弓的正常感兴趣区域图像进行异常状态模拟，以得到所述历史受电弓的模拟异常感兴趣区域图像，还包括：
22、通过将所述历史受电弓的正常感兴趣区域图像的gamma值固定在设定范围内，来得到所述历史受电弓的模拟异常感兴趣区域图像；
23、其中，对所述历史受电弓的正常感兴趣区域图像的每个像素进行gamma校正操作，公式如下：
24、
25、其中，p为所述历史受电弓的正常感兴趣区域图像的初始像素值；p'为对应的模拟后的像素值，即所述历史受电弓的模拟异常感兴趣区域图像的像素值；γ为设定范围内的gamma值，∧表示指数运算；如果所述历史受电弓的模拟异常感兴趣区域图像的像素值p'大于255，则将其设置为255；如果所述历史受电弓的模拟异常感兴趣区域图像的像素值p'小于0，则将其设置为0。
26、进一步地，所述通过将所述历史受电弓的正常感兴趣区域图像的gamma值固定在设定范围内，来得到所述历史受电弓的模拟异常感兴趣区域图像，还包括：
27、将所述历史受电弓的正常感兴趣区域图像的gamma值分别固定在第一范围内和第二范围内；
28、当所述历史受电弓的正常感兴趣区域图像的gamma值固定在第一范围内时，得到的所述历史受电弓的模拟异常感兴趣区域图像为过暗感兴趣区域图像；
29、当所述历史受电弓的正常感兴趣区域图像的gamma值固定在第二范围内时，得到的所述历史受电弓的模拟异常感兴趣区域图像为过曝感兴趣区域图像。
30、进一步地，所述对原始kind模型进行改进，以得到改进后的kind模型，并利用所述训练数据集对所述改进后的kind模型进行训练，以得到训练后的kind模型，还包括：
31、所述改进后的kind模型包括vit网络模型、恢复网络模型和调整网络模型；
32、(1)通过所述vit网络模型分别提取出所述训练数据集中所述历史受电弓的正常感兴趣区域图像的反射分量和所述历史受电弓的模拟异常感兴趣区域图像的反射分量；
33、将所述历史受电弓的模拟异常感兴趣区域图像的反射分量输入到所述恢复网络模型中，以输出所述历史受电弓的模拟异常感兴趣区域图像的恢复后反射分量，依据所述历史受电弓的模拟异常感兴趣区域图像的恢复后反射分量和所述历史受电弓的正常感兴趣区域图像的反射分量计算出所述恢复网络模型的损失loss，采用对比度相似性作为所述恢复网络模型的损失loss的评估指标，对比本文档来自技高网
...
【技术保护点】
1.一种基于数据生成的受电弓异常图像恢复方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述将所述历史受电弓的正常感兴趣区域图像和所述历史受电弓的模拟异常感兴趣区域图像共同构成训练数据集，还包括：
3.根据权利要求2所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，图像预处理包括图像归一化、图像翻转、图像旋转和图像降噪；
4.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述获取历史受电弓的正常原始图像，还包括：
5.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述对所述历史受电弓的正常感兴趣区域图像进行异常状态模拟，以得到所述历史受电弓的模拟异常感兴趣区域图像，还包括：
6.根据权利要求5所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述通过将所述历史受电弓的正常感兴趣区域图像的gamma值固定在设定范围内，来得到所述历史受电弓的模拟异常感兴趣区域图像，还包括：
7.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述对原始KinD模型进行改进，以得到改进后的KinD模型，并利用所述训练数据集对所述改进后的KinD模型进行训练，以得到训练后的KinD模型，还包括：
8.根据权利要求7所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述ViT网络模型包括多个Transformer编码器，其中第一个Transformer编码器用于将输入图像的像素矩阵转换为一组特征向量，然后将当前Transformer编码器输出的特征向量作为后一个Transformer编码器的输入，逐层计算得到最终的特征向量；
9.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述获取当前受电弓的异常原始图像，还包括：
10.根据权利要求9所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述根据比较结果从所述当前受电弓的所有感兴趣区域图像中筛选出所述当前受电弓的异常感兴趣区域图像，还包括：
...
【技术特征摘要】
1.一种基于数据生成的受电弓异常图像恢复方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述将所述历史受电弓的正常感兴趣区域图像和所述历史受电弓的模拟异常感兴趣区域图像共同构成训练数据集，还包括：
3.根据权利要求2所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，图像预处理包括图像归一化、图像翻转、图像旋转和图像降噪；
4.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述获取历史受电弓的正常原始图像，还包括：
5.根据权利要求1所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述对所述历史受电弓的正常感兴趣区域图像进行异常状态模拟，以得到所述历史受电弓的模拟异常感兴趣区域图像，还包括：
6.根据权利要求5所述的一种基于数据生成的受电弓异常图像恢复方法，其特征在于，所述通过将所述历史受电弓的正常感兴趣区域图像的gamma值固定在设定范围内，来得到所述历史受电弓的模拟异常...
【专利技术属性】
技术研发人员：袁烨，张永，彭亚飞，兰儒恺，
申请(专利权)人：元始智能科技南通有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。