改进U-Net网络的接地网图像超像素分割

摘要：

研究基于改进U-Net网络的接地网图像超像素分割方法,提升红外图像超像素分割效果.通过主成分分析法降维处理接地网腐蚀红外图像;利用Turbopixel超像素分割法分割降维后的红外图像,获取数个超像素区域;在全卷积U-Net网络内添加可变形卷积与重构上采样卷积,并利用反向传播算法,优化网络参数,建立改进的全卷积U-Net网络结构;在改进的全卷积U-Net网络内分割获取的数个超像素区域,输出红外图像超像素自动分割结果.实验证明:该方法可有效降维处理接地网腐蚀红外图像,实现红外图像超像素分割,分割后的红外图像边界清晰;在不同分辨率时,该方法的Dice相似性系数较高、Hausdorff距离较低,具备较高的红外图像超像素分割精度.

关键词：人工智能、深度学习、接地网腐蚀、红外图像、超像素分割、主成分分析

所属期刊栏目：53

分类号：TP391;TN219(计算技术、计算机技术)

资助基金：国网福建省电力有限公司电力科学研究院人工智能技术图谱研究项目No.SGFJDK00SZXX2200117

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1196-1202