摘要：针对传统红外与可见光图像融合结果存在目标模糊、信息丢失问题,提出一种基于目标增强与鼠群优化的红外与可见光图像融合方法,记为TERSFuse。为了减少融合结果中原始图像细节信息丢失,分别构建了红外对比度增强模块和基于亮度感知的可见光图像增强模块;利用拉普拉斯金字塔变换对红外和可见光增强图像进行多尺度分解,从而得到对应的高、低频图像;为了使融合结果充分保留原始图像信息,分别采用“最大绝对值”规则对红外和可见光高频图像进行融合以及通过计算权重系数对低频图像进行融合;设计了基于鼠群优化的图像重构模块以实现高频图像和低频图像重构权重的自适应分配,进而提高融合图像的视觉效果。为了验证所提算法优势,与7种经典融合算法进行比较,实验结果表明所提算法不仅具有良好的视觉效果,而且融合图像能够保留原始图像丰富的边缘纹理和对比度信息。

摘要：针对航拍巡检时玻璃绝缘子自爆故障图像易受复杂背景干扰造成传统算法难以准确检测问题,提出一种基于超分辨深度残差网络的玻璃绝缘子故障检测算法。首先,通过超分辨率卷积神经网络减小原始图像中的噪声和模糊,实现数据集的优化和增强;然后,利用YOLOv4检测算法对经过超分辨处理后的图像进行检测并提取包含绝缘子的目标区域;最后,通过添加Dropout层和3层全连接层对resnet50网络结构进行优化,并通过迁移学习将预训练权重引入所设计的故障识别网络以进一步提升网络识别精度,从而构建出一种改进的resnet50玻璃绝缘子故障识别网络。为验证所提出算法的优势,利用某供电局近3年无人机巡检视频进行测试。实验结果表明:提出的方法可实现复杂环境下玻璃绝缘子故障的精确检测,检测精度可达94.3%,同时该算法具有较好的实时性。