基于CNN-Transformer双分支特征选择性融合的电力线图像去雾方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于CNN-Transformer双分支特征选择性融合的电力线图像去雾方法
申请号:CN202510949864
申请日期:2025-07-10
公开号:CN120807949A
公开日期:2025-10-17
类型:发明专利
摘要
本申请提供了基于CNN‑Transformer双分支特征选择性融合的电力线图像去雾方法,通过GLS‑FF特征选择性融合模块由网络的浅层到深层在空间和通道上选择性地聚合CNN分支和Transformer分支提取到的特征,结合CNN分支的局部细节提取能力与Transformer分支的全局依赖建模优势,实现对电力线图像的高效去雾,本申请显著提升了雾霾环境下电力线结构的可见性与纹理细节,为复杂气象条件下的输电网故障智能诊断提供了可靠的技术支撑。
技术关键词
图像去雾方法 局部细节特征 全局特征描述子 上下文特征 融合特征 模块 RGB色彩空间 Sigmoid函数 多尺度卷积核 模拟真实世界 输电网故障 大气散射模型 多通道 输出特征 双分支结构 网络 全局平均池化 注意力