严利雄，刘晓华，李 茗，司马朝进，刘志鹏

（国网湖北省电力有限公司检修公司，湖北 武汉 430000）

1 介 绍

单图像超分辨（SISR）问题指从对应的低分辨图像恢复出高分辨的图像[1]。深度学习和卷积神经网络的发展，极大地促进了单图像超分辨任务的进步[2-5]。然而，由于单图像超分辨算法中输入图像的固有信息缺失，如低分辨率图像中缺少对应高分辨图像中的各种纹理信息，在超分辨倍数超过4时，会出现模糊的现象。最近的相关工作中，引入了感知损失、对抗损失，在较大上采样倍数情况下，能够实现较高的生成图像视觉质量。但是这些方法可能产生虚假或者人工的纹理。

由于红外图像和可见光图像之间的巨大模态差异，如果直接将适用于可见光图像数据集上的超分辨算法用于电力设备红外图像，忽视电力设备红外图像和自然图像之间固有的模态差异，将导致不能取得满意的性能。因此，本文首先使用生成对抗网络，生成红外图像对应的可见光图像，然后基于可见光图像的纹理信息能够弥补低分辨红外图像的信息缺失，对红外图像进行增强，最后使用纹理匹配和转移进行超分辨。

本文和现有的单图像超分辨算法不同，探索了用于红外图像电力设备的基于参考图片的超分辨算法，利用了来自高分辨参考图像的纹理细节，补偿在低分辨图像中丢失的细节，生成更加详细更加逼真的纹理。参考图片来自不同的源域，如视频帧、相册、网络爬虫等。……