申请/专利权人：国网江苏省电力有限公司电力科学研究院;国网江苏省电力有限公司;江苏省电力试验研究院有限公司

申请日：2022-04-19

公开（公告）日：2024-07-05

公开（公告）号：CN114972981B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/30;G06V10/40;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明公开了一种电网输电环境观测图像去噪方法、终端及存储介质，所述方法包括：采集电网输电环境的观测图像，并对观测图像进行预处理；将预处理后的观测图像输入至去噪数学优化模型，并利用交替方向乘子算法对所述去噪数学优化模型进行循环迭代求解，直至满足迭代终止条件，得到去噪后的目标图像；其中，所述去噪数学优化模型是通过将预构建的基于先验驱动的深度卷积神经网络去噪器，嵌入至根据去噪算法搭建的深度卷积神经网络中获取的。本发明有效地利用了输电环境下观测图像的多尺度冗余性，设计了深度卷积神经网络去噪器，并将其嵌入到深度卷积神经网络中，具有更高的准确性和鲁棒性，能在电网输电环境下实现优异的去噪效果。

主权项：1.一种电网输电环境观测图像去噪方法，其特征在于，所述方法包括：采集电网输电环境的观测图像，并对观测图像进行预处理；将预处理后的观测图像输入至去噪数学优化模型，并利用对所述去噪数学优化模型进行循环迭代求解，直至满足迭代终止条件，得到去噪后的目标图像；其中，所述去噪数学优化模型是通过将预构建的基于先验驱动的深度卷积神经网络去噪器，嵌入至根据去噪算法搭建的深度卷积神经网络中获取的；所述去噪数学优化模型的目标函数表达式为： 其中，x表示目标图像；y表示观测图像；A表示与成像退化系统相关的退化矩阵；为参数；表示与X的先验信息相关的正则化子；X表示目标图像矩阵；利用对所述去噪数学优化模型进行循环迭代求解的方法包括：步骤a：引入辅助变量，将目标函数改写为： 步骤b：使用ADMM技巧将同等约束优化问题转化为两个子问题： 其中，是算法引入的辅助变量；上角标t表示迭代次序，xt代表第t次迭代时x变量的实时值；μ、ρ、λ代表权重；Jv代表v的先验信息；步骤c：用封闭形式求解x子问题，，为与退化矩阵相关的矩阵，b为与拍摄传感器相关的模糊核；步骤d：使用迭代经典共轭梯度算法计算的非精确解： 式中：，通过预计算计算的更新；AT代表A的转置；是控制步长的参数；η为权重参数；步骤e：交替更新x和v直到收敛。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司电力科学研究院 国网江苏省电力有限公司 江苏省电力试验研究院有限公司 一种电网输电环境观测图像去噪方法、终端及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD