.png){kind=icon}
返回
PLRefiner: Discrete Diffusion Model for Power Line Segmentation Refinement
.png){kind=icon}
PRE
AI
DOI：10.1109/JSEN.2025.3607978.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电力线分割的精细化对于确保无人驾驶航空器（UAVs）的飞行安全至关重要。然而，由于电力线极其细长的线性结构以及与复杂背景的高度混淆，传统分割方法容易出现断裂、模糊或误检。这些挑战使得电力线分割成为计算机视觉领域中一项特别困难的任务。为解决这些挑战，本研究提出PLRefiner，一种基于离散扩散的电力线精化模型，该模型通过迭代去噪策略逐步消除背景误检并修复碎片化区域。PLRefiner的核心创新包括：1）全局上下文建模——整合视觉Transformer（ViT）模块，通过自注意力机制捕捉电力线的长距离依赖关系；2）结构连续性约束——引入霍夫空间对齐损失，采用角度分段惩罚引导模型沿电力线方向恢复缺陷；3）轻量化后处理——利用动态阈值和连通区域分析去除离散误检。在TTPLA和PLD数据集上的实验结果表明，PLRefiner显著优于现有方法。在精化多类分割模型生成的粗略掩码后，所提方法实现了平均交并比（IoU）提升6.82%和平均边界精度（mBA）提升12.54%，分别比其他比较精化方法高出4.18%和1.41%。消融研究和现场验证进一步证实了其在长距离修复、边缘优化和噪声抑制方面的有效性，为电网巡检应用建立了高精度且鲁棒的分割基础。
Keyword:
Diffusion model
Hough transforms
power lines
segmentation refinement
