环境温度对中波热成像设备信号传递函数的影响研究

信号传递函数(SiTF)是评价热成像设备性能的重要指标,其与噪声之比为NETD,NETD可用于预测热成像设备的外场性能。根据红外成像测试理论,SiTF与环境温度相关,而外场环境温度变化范围大,在宽温度范围内SiTF变化很大,在预测热成像设备的外场性能时,应依据当前环境温度下的SiTF指标,但由于测试宽温度范围下SiTF指标的全军温红外整机测试系统并不普及,热成像设备在出厂时一般只测试室温SiTF值,用户不能获得宽温度范围内的SiTF值,因此当使用室温SiTF值预测设备在外场环境下的性能时由于外场温度与室温相差较大,导致预测结果偏差较大。本文通过分析SiTF随温度的变化规律,建立其随温度的变化关系,基于室温SiTF预测其他不同温度下的SiTF,从而解决采用室温SiTF预测外场环境下热成像设备外场性能时预测偏差较大的问题。

基于多光谱图像融合的电力设备热成像方法

本文提出一种基于多光谱图像融合的电力设备热成像方法,对电力设备的可见光光谱、红外光谱的成像特点进行分析对比,利用小波变换分别对两者进行复频域分解,分解后的图像包含不同的频域分量,采用边缘检测策略对两者的低频部分进行融合,采用幅值最大原则对两者高频部分进行融合,融合后的低频分量、高频分量经小波逆变换后得到多光谱融合图像。这种电力设备热成像方法能够有效的解决传统红外热成像技术的不足,所捕捉的信息提高了观察的准确性和鲁棒性,对提高电力设备故障检测的准确度和诊断效率具有较高的理论和实践意义。

基于边缘增强生成对抗网络的电力设备热成像超分辨率重建

非接触式红外热成像的温度数据,对于电力设备状态监测与健康状态评估具有重要意义。但高分辨率红外成像仪的昂贵造价和技术壁垒,限制了高分辨率热成像图像在基于电力物联网的设备在线监测中的应用。超分辨率重建满足分辨率要求的同时可以降低成本。通过构建改进边缘增强的生成对抗网络实现了电力设备热成像的增强,该网络在超分辨率生成对抗网络(super-resolution generative adversarial networks,SRGAN)的基础上新增了深度残差收缩网络模块,在降低图像噪声的基础上,提高了训练的稳定性,并通过边缘提取技术对图像的峰值信息进行加强重建,提高了边缘恢复效果。利用峰值信噪比(peak signal-to-noise ratio,PSNR)以及结构相似性(structural similarity,SSIM)指标,对重建后的整体数据以及边缘数据进行分析,结果显示,2项指标均显著提高,重建后的主观视觉效果也更加清晰,具有较高的工程实用价值。