基于深度学习的电力监控视频超分辨率重建

• 作者: 刘谋海 胡军华 丁国栋 黄瑞 周纲 余敏琪
• 来源期刊: 电力系统保护与控制
• 关键词: 电力系统 监控视频 超分辨率重建 深度学习 残差神经网络
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 工程应用|Engineering Application
• 页码范围: 181-187
• 页数: 7页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.200977

摘要

针对电力监控视频有时分辨率不高问题,提出了一种基于深度学习的电力监控视频超分辨率重建方法.该方法首先采用卷积神经网络对输入视频帧进行特征提取,从输入视频帧序列两端按时间顺序将所有支持帧逐帧对齐到目标帧,并采用时间与空间自注意力机制将支持帧特征逐帧融合到目标帧.然后引入多尺度特征学习机制,对特征融合后的目标帧使用多分支特征选择重建网络进行超分辨率重建.最后采用公共数据集和电力视频数据集对该方法进行了训练.测试结果表明,所提方法的峰值信噪比与结构相似性指标均值分别达27.08和0.819,能有效提高电力监控视频的分辨率和视觉效果.