(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111583034.4 (22)申请日 2021.12.2 2 (71)申请人 国网安徽省电力有限公司 地址 236000 安徽省合肥市包河区黄山路9 号 申请人 国网安徽省电力有限公司电力科 学 研究院　 长园深瑞继保自动化有限公司 (72)发明人 谢民　邵庆祝　汪伟　章昊　俞斌　 于洋　张骏　叶远波　程晓平　 丁津津　孙辉　张峰　许旵鹏　 翁凌　刘之奎　刘宏君　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 代理人 郑浩(51)Int.Cl. G06T 3/40(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 特高压换流站保护系统全景监视图像超分 辨率重建方法 (57)摘要 特高压换流站保护系统全景监视图像超分 辨率重建方法， 属于电力设备检测技术领域， 解 决目前全景监视图像存在的模糊不清、 分辨率 低， 无法满足巡检人员全景监视的需求的问题； 通过在深度多尺度残差网络模型中采用多尺度 卷积块构建多种尺度提取图像的低阶和 高阶特 征， 避免了图像细节提取不完备的现象， 在网络 模型中采用残差学习机制来保留低阶粗糙特征， 降低训练难度， 促进特征的再利用， 进而提高图 像的重建能力； 重构后的图像具有更佳的结构相 似性和峰值信噪比性能； 先后采用标准数据集和 特高压换流站全景监视图像数据集进行图像超 分辨率重建和目标识别实验， 实验 结果表明本发 明的方法重建的高分辨率图像可以满足巡检人 员全景监视的需求。 权利要求书2页 说明书8页 附图4页 CN 114331838 A 2022.04.12 CN 114331838 A 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： Hk＝Gk(Hk‑1)+F    (1) 其中， Gk为第k个多尺度卷积块学习得到的特征映射， Hk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， IHR、 ILR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， Gk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：权　利　要　求　书 1/2 页 2 CN 114331838 A 2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Urban10 0三个基础数据集。 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， MAXI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， uX、 uY、 σX和σY分别表示图像X和Y的均值和标准差， σXY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。权　利　要　求　书 2/2 页 3 CN 114331838 A 3