基于边缘注意力生成对抗网络的电力设备热成像超分辨率重建

红外光电技术帮助人类超越视觉障碍，直观的看到物体表面的温度分布状况，在电力系统的状态监测中有着越来越多的需求。但高分辨率热成像仪的研制材料与技术壁垒限制了电力系统在线监测的可视化应用。超分辨率重建在满足电力物联网需求的同时降低了成本。对于电力设备热成像超分辨率重建，该文构建了边缘注意力生成对抗网络(EAGAN)，该网络在基于梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)的基础上，对残差网络模块进行改进，添加了边缘注意力机制，提高了网络的学习能力，并在上采样结构中添加了1×1的卷积层，提高了网络的表征能力。实验结果表明，边缘注意力生成对抗网络提高了网络的性能，在图像的整体以及图像边缘属性的恢复上，峰值信噪比以及结构相似性指标均有显著提高，主观视觉效果更为良好，并在图像处理领域中有着较高的普适性，具有较高的工程实用价值。