12、电力场景下的图像重建与设备检测算法改进

电力场景下的图像重建与设备检测算法改进

在电力相关的图像分析和设备检测领域，有两项重要的研究成果值得关注。一项是关于光场重建的改进4D卷积角超分辨率（SR）网络，另一项是融合极化自注意力（PSA）机制改进的YOLOv5s电力作业可穿戴设备检测算法。下面将详细介绍这两项研究。

改进的4D卷积角SR网络用于光场重建

在光场图像的处理中，传统方法存在一些问题。例如，从光场相机捕获的图像解码得到的子视图，边缘到中心的亮度范围不同，边缘子视图较暗。若直接将解码图像作为输入，会影响网络的重建结果。因为在较暗的图像中，纹理信息会被抑制，网络难以提取有用特征，高频部分会模糊，不同物体的边界也会变得模糊，导致场景重建出现失真和重影。

为了解决这些问题，提出了一种改进的4D卷积角SR网络，该网络结合了注意力机制，具体步骤如下：
1. 图像增强预处理 ：
- 将图像 $I(x, y)$ 划分为 $k$ 个 $N × N$ 的小块，得到局部区域集合 $R = {R_1, R_2, …, R_k}$。
- 对每个块进行直方图均衡化增强，增强公式为 $E_i(x, y) = T(R_i(x, y))$，其中 $T$ 是映射函数。
- 为避免对比度过度增加，对每个局部区域应用对比度限制，公式为：
[
CE_i(x, y) =
\begin{cases}
E_i(x, y), & \text{if } \sigma_i \leq H \
\frac{E_i(x,y)H}{\sigma_i}, & \text{if } \sigma_i > H
\end{