MF-TLID:一种多特征融合输电线覆冰图像去噪方法

摘要

针对基于图像对线缆覆冰状态进行监测过程中图像存在噪声的问题，提出了一种多特征融合输电线覆冰图像去噪方法。该方法采用残差注意力融合模块、源特征融合模块和特征增强模块。在残差注意力融合模块中采用级联残差结构和混合注意力模块，既有助于特征信息映射，又能增强特征信息表达；在网络不同特征层中融合源特征，保留图像的低频信息，有利于提升图像的清晰度和真实感；在特征增强模块中同时结合局部和全局特征，通过特征注意力加权学习有效特征向量表示，提高模型去噪能力；创新性地提出像素损失和感知损失的联合损失函数，同时考虑像素级别的误差和感知质量的提升。在输电线覆冰数据集上高斯噪声标准差分别为10～40、20～50和30～60,PSNR和SSIM分别达到了{31.015 dB、29.262 dB、27.717 dB}和{0.956、0.943、0.930}。结果表明，该算法的性能优于主流去噪方法，具有更强的抑噪能力和抗干扰性。

关键词

输电线覆冰 / 图像去噪 / 特征融合 / 注意力机制 / 联合损失函数