一种基于深度学习的变压器红外图像去噪方法

本申请公开了一种基于深度学习的变压器红外图像去噪方法，步骤S1、获取变压器红外干净图，并通过高斯噪声得到对应的噪声图，构建测试集和训练集；步骤S2、基于可变形卷积模块和CBAM注意力模块，构建变压器红外图像去噪网络；步骤S3、基于步骤S1的训练集，对步骤S2构建的变压器红外图像去噪网络进行训练，得到变压器红外图像去噪模型；步骤S4、将步骤S1中的测试集输入值步骤S3的变压器红外图像去噪模型中，得到去噪后的红外图像。针对红外图像中噪声点分布不规则的特点，引入可变形卷积模块，自适应学习图像中分布混乱噪声信息；针对红外图像中噪声点信息较少的特点，引入CBAM注意力机制，令网络更专注与噪声信息的学习，增强了网络的噪声去除效果。