Um die Genauigkeit der Identifizierung versteckter Ziele des Überwachungssystems des intelligenten Stromnetzes unter Bedingungen komplexer Beleuchtung zu verbessern, schlägt dieser Artikel eine auf der Fusion von zwei Modalitäten der Informationspolarisation und Intensität des polarisierten Lichts basierende Detektionsmethode vor. Zunächst wird ein Netzwerk zur Fusion dichter Merkmale verwendet, um Merkmale des Bildes der Polarisationsintensität und des Polarisationsbildes separat zu extrahieren, um die Fähigkeit zur Erhaltung oberflächlicher Informationen zu verbessern; gleichzeitig wird ein räumlich-kanalisches Aufmerksamkeitsmechanismus eingeführt, um Abhängigkeitsbeziehungen von Merkmalen in räumlichen und kanalischen Dimensionen herzustellen, was die Fähigkeit des Modells zur Merkmalsaggregation verbessert. Schließlich wird ein mehrskaliger adaptiver struktureller Ähnlichkeitsverlust vorgestellt und ein Gewichtungsalgorithmus entwickelt, um die Qualität der Erzeugung des fusionierten Bildes zu optimieren und die Treue der Struktur des fusionierten Bildes und die Prominenz des Ziels zu verbessern, wodurch seine Qualität verbessert wird. Die experimentellen Ergebnisse zeigen, dass die in dieser Forschung vorgeschlagene Methode eine signifikante Leistungsverbesserung im Vergleich zu den derzeit fortschrittlichsten Bildfusionalgorithmen aufweist. Gleichzeitig bestätigen Ablationsexperimente die Wirksamkeit und Nützlichkeit des Netzwerkmoduls und der Verlustfunktion. In unserem eigenen Datensatz zur Zielerkennung erreicht die mit dieser Forschungsmethode generierte Fusionbildqualität eine Zielerkennungsgenauigkeit von 91,5% und einen mAP@0,5 von 0,916, was in objektiver Bewertung besser ist als vergleichbare Methoden und die Genauigkeit des nachfolgenden Zielerkennungsnetzwerk verbessert.

Inspektion der Elektroenergie, Computer Vision, Polarisationsverarbeitung von Bildern, Bildfusion, Zielerkennung