融合残差密集与生成对抗网络的红外巡检图像超分辨率重建

为了提升电力设备红外巡检图像质量,最大程度还原图像内容的有效性和准确性,提出了一种融合残差密集与生成对抗网络的红外图像超分辨率重建方法.将残差密集网络引入到WGAN(Wasserstein Generative Adversarial Networks)网络生成器,使其在训练过程中形成连续记忆机制,提高网络对图像特征的融合能力;进一步,使用谱归一化方法优化WGAN的对抗器网络参数,提升对抗训练的稳定性和效率;构造由对抗、像素、感知和纹理损失构成的综合损失函数,完成生成图像高频细节信息的重建.超分辨率实验结果表明,重建后的电力设备红外巡检超分辨率图像在峰值信噪比上提升至32.048 2 dB,在结构相似性上提升至0.921 4,且视觉效果良好,验证了所提方法能够有效提升图像质量并具备较好的工程应用价值.