[發明專利]基于生成式對抗網絡的復雜環境下輸電網圖片的壓縮方法

有效

• 申請號: 202010102775.5
• 申請日: 2020-02-19
• 公開（公告）號: CN111340901B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 姚一楊;聶禮強;戰新剛;鄭曉云;宋雪萌;劉波
• 申請（專利權）人: 國網浙江省電力有限公司;山東大學;智洋創新科技股份有限公司;國網浙江省電力有限公司衢州供電公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06N3/0464;G06N3/0475;G06N3/094
• 代理公司: 濟南竹森知識產權代理事務所(普通合伙) 37270
• 代理人: 呂利敏;孫憲維

一種基于生成式對抗網絡的復雜環境下輸電網圖片的壓縮方法，把圖片輸入到通過生成對抗網絡訓練的模型中，得到圖片的特征編碼，對特征編碼進行傳輸、保存，然后再將特征編碼恢復成圖片。本發明在每個卷積后使用了Instance_norm進行歸一化處理,對每一層特征圖都求均值和方差，使得模型更好的學習輸電網中圖片的特征；將輸電網圖片通過訓練的模型得到了圖片的特征編碼，對特征編碼進行傳輸、保存，節省了數據傳輸的時間、減少了存儲成本、降低了傳輸的帶寬成本；通過多個DenseBlock和Transition_Layer使得最后傳輸的數據僅為原圖像大小的1/96。

技術領域

本發明公開一種基于生成式對抗網絡的復雜環境下輸電網圖片的壓縮方法。

背景技術

近年來，隨著電力行業的高速發展，輸電網規模越來越大，對于輸電網中故障檢測的要求越來越高。目前輸電網中圖片的主要獲取方式是通過無人機拍攝。在無人機設備發展初期，無人機拍攝的照片分辨率都比較低，所占的內存也較少。隨著攝像頭分辨率的不斷提高，無人機拍攝的照片質量有了大幅度提升。但這些高質量的圖片會影響存儲成本和圖片的傳輸速度，也會使無人機每次拍攝的圖片數量減少，浪費一定的財力、物力，而且各個應用平臺也要為傳輸海量的高質量圖片付出巨大的帶寬成本。為了能夠減少高質量圖片帶來的巨大存儲成本和帶寬成本，并且提高圖片的傳輸速度，對圖片進行壓縮是最有效的途徑。目前對圖片的壓縮技術主要有無損壓縮和有損壓縮。

無損壓縮技術是刪除圖片中的重復數據，對于相同的顏色信息只保存一次，以減少圖片的尺寸。雖然無損壓縮技術可以更好的保存圖片的質量，但是無損壓縮技術的壓縮率受圖片中數據冗余度的限制，傳輸效率還是比較低。

有損壓縮技術是保持圖片中顏色的逐漸變化，刪除圖片中顏色的突然變化，也就是去除一些不敏感的信息。利用有損壓縮技術壓縮率比較高，但會影響圖片的質量，無法更好的保留圖片中的部件特征。

例如，中國專利文獻CN107018422B公開一種基于深度卷積神經網絡的靜止圖像壓縮方法。主要包括以下步驟：在編碼端對原始圖像進行下采樣并利用JPEG2000標準編解碼；利用深度卷積神經網絡對解碼圖像進行抑制壓縮效應；采用超分辨率方法對抑制壓縮效應圖像進行重建；將原始圖像與解碼的高分辨率圖像相減得到殘差圖像并針對性編碼；將編碼的低分辨率圖像、殘差圖像與輔助信息形成比特流并傳輸；解碼端解碼得到解碼的低分辨率圖像、殘差圖像與輔助信息；對解碼的低分辨率圖像進行處理得到解碼的高分辨率圖像，并與解碼的殘差圖像相疊加便得到最終解碼的高分辨率圖像。相比之下本發明所述的靜止圖像壓縮方法具有比JPEG2000標準更好的率失真性能。該專利文獻的技術對原始圖像進行下采樣，會缺少部分像素值的信息，再進行后續的操作時有可能會導致輸電網圖像中部件特征的丟失。

中國專利文獻CN109903351A公開一種基于卷積神經網絡和傳統編碼相結合的圖像壓縮方法，包括：利用卷積神經網絡decCNN減少圖像的高頻信息分量；利用傳統編碼模塊對圖像進行壓縮，得到用于存儲以及傳輸的圖像編碼；將得到的編碼數據進行解碼，得到重構圖像；利用卷積神經網絡enhCNN對解碼后的圖像進行增強，提升重構效果。目前，輸電網中圖片的大小在20M左右。根據該專利文獻所述方法將圖片設置為481X321進行訓練，這樣圖片的縮放比例過大，縮放的圖片已經有一定的失真。輸電網圖片中環境復雜、部件大小不一、部件的特征信息比較敏感，將一個大圖劃分為若干個小圖有可能會導致部件的不完整，就無法保證部件的整體特征性。

中國專利文獻CN110348487A公開了一種基于深度學習的高光譜圖像壓縮方法，首先，選取訓練圖像，將訓練圖像的尺寸大小隨機裁剪為32×32大小作為訓練集，然后將訓練集輸入到搭建好的壓縮網絡模型中進行訓練，得到包含編碼網絡、量化網絡和解碼網絡的壓縮模型。通過將待壓縮的圖像輸入到編碼網絡中，根據編碼網絡的計算結果得到編碼后的特征圖，然后將得到的特征圖輸入到量化網絡中進行量化計算，得到碼流，最后將量化后的結果輸入到解碼網絡，通過解碼網絡模型的計算得到重建后的圖像。該專利文獻中的損失函數只考慮了原圖像和恢復圖像的像素點差值。該文獻所述技術將圖像經編碼網絡得到只有原圖像1/8大小的特征圖。