基于深度学习的电气设备图像融合

目前国内变电站使用红外热成像仪通过温度差异变化发现电气设备故障部位,红外图像反映物体的热辐射,可见光图像反映图像的纹理细节,两者特征差异较大却互为补充。这时我们就想到将红外与可见光图像进行融合,结合两者各自特征信息,利用合适的融合方法,使得融合后的图像具有红外图像的热辐射和可见光的细节信息,从而将其应用到故障检测中。为了提高融合图像清晰度,对网络进行改进,引入注意力模块,增强目标特征表达。测试实验结果表明,通过引入注意力模块,图像融合效果增强。