承永宏 胡旭晓 王永力 丁楠楠 汪威

摘  要：针对指针式仪表图像的聚焦模糊问题，提出使用基于改进的DeblurGAN网络的图像去模糊处理方法。由于原始网络输入输出大小均为256×256，修复的图像分辨率相对较低，本文将网络作出相应调整，使其输入输出大小更改为512×512，并采集制作了模糊数据集，实验结果表明修复的图像质量得到了很大的提升。

关键词：指针式仪表;图像去模糊;改进的DeblurGAN

Abstract： To resolve the issue of blurring image of dashboard pointer of an instrument caused by camera focal length， the paper proposes an image deblurring method based on an improved DeblurGAN algorithm. Because the input and output sizes of original network are only 256×256， the resolution of restored image is low and the repair effect is poor. The study adjusts the network to change the sizes of input and output to 512×512， and generates datasets of pointer instruments. The experimental results show that the quality of the repaired image has been greatly improved.

Keywords： pointer instrument; image deblurring; improved DeblurGAN

1   引言（Introduction）

在电力系统的变电站中，大部分设备都会配备各种指针式仪表，以检测各项数据指标，保障设备稳定安全地运行。在过去，仪表数据检测记录都依靠人工去观察，检测费时费力，且长时间观察仪表读数的精度可靠性都会降低[1]。随着技术的进步，自动巡检方法开始出现在变电站中，基于视觉图像方法进行指针读数自动识别，速度和准确率都有了很大的提升。但是，在巡检机器人拍摄表盘图像时，由于无法实现对表盘的自动聚焦，导致最终获取的图像会有不同程度的模糊问题，这给后续指针智能读数带来许多困难。近年来，随着深度学习的快速发展，出现了许多基于卷积神经网络的图像去模糊处理方法，超分辨率技术[2]可以将图像中低分辨率的部分恢复出高清图像，但是训练时需要的数据集制作相对困难。Nah等人提出使用CNN网络直接修复模糊图像，取得了较好的效果[3]。Orest Kupyn等人在2018年提出的DeblurGAN网络结构简单，修复速度快，而且去模糊能力相比其他去模糊网络更加出色[4]。……