激光与红外

作者：狄立

单位：1.国网河南省电力公司,河南 郑州 450000；2.国网河南省电力公司电力科学研究院,河南 郑州 450000；3.河南九域腾龙信息工程有限公司,河南 郑州 450000；

关键词：激光图像;滤波器;分层;自适应增强;生成对抗网络;增强

基金：变电站四足巡检机器人平台关键技术研究项目(No.豫电经研［2022)205号)资助。

为了避免传统图像增强方法在应对多尺度图像增强需求时存在的明显弊端,本研究设计了一种基于可变结构深度学习的激光图像多尺度增强。该方法构建了一个可变结构深度学习模型,在生成网络模块中,采用加权最小二乘滤波器对图像进行滤波处理和分解；通过自适应增强技术提升图像的细节层；随后,将细节层与基础层融合,并通过卷积神经网络的反卷积层进行重构。在判别网络模块中,利用PatchGAN结构来判别生成图像与目标图像的真实性,并通过损失函数的叠加训练反复优化,以实现激光图像的增强。实验结果显示,该方法不仅有效保持了图像的边缘与细节,而且实现了全局平滑细腻的效果,显著提升了图像的对比度和清晰度,同时在各项客观评价指标上均表现出色。

来源：2025年第2期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第2期