[發明專利]基于RPF-CAM的低照度目標檢測方法

有效

• 申請號: 202010534721.6
• 申請日: 2020-06-12
• 公開（公告）號: CN111695633B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 江澤濤;翟豐碩
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

本發明公開了一種基于RPF?CAM的低照度目標檢測方法，其特征在于，包括如下步驟：1）制作合成數據源，建立來源圖像；2）特征提取網絡模塊的訓練；3）通道注意力機制網絡模塊的訓練；4）目標檢測網絡的訓練；5）對整個卷積神經網絡進行構造與訓練。這種方法使得目標檢測的特征圖的特征表達能力更好、目標檢測的精度高。

技術領域

本發明涉及圖像增強和目標檢測技術領域，具體是一種基于殘差金字塔融合和通道注意力機制RPF-CAM(residual pyramid fusion and channel attention mechanism，簡稱RPF-CAM)的低照度目標檢測方法。

背景技術

現有的目標檢測方法主要針對于正常照度的環境下的目標檢測，但是對于照度較低，所需檢測目標成像偏暗、模糊不清、干擾較多的情況下，普遍存在檢測效果和檢測精度較為不佳的情況。

Lab顏色模型是國際照明委員會(CIE)于1976年公布的一種色彩模式，是CIE組織確定的一個理論上包括了人眼可見的所有色彩的色彩模式，Lab模式彌補了RGB與CMYK兩種彩色模式的不足。

現在的目標檢測網絡，例如Faster R-CNN網絡，在特征提取的過程中，逐步進行下采樣，最后將得到的特征圖送進區域建議網絡生成先驗框，這樣得到的特征圖存在較多的低層信息的丟失，造成小物體檢測效果不佳，且對于低照度圖像，沒有針對性將光照信息和顏色信息進行分離，導致低照度目標檢測效果不佳。

發明內容

本發明的目的是針對現有技術的不足，而提供一種基于RPF-CAM的低照度目標檢測方法。這種方法使得目標檢測的特征圖的特征表達能力更好、目標檢測的精度高。

實現本發明目的的技術方案是：

一種基于RPF-CAM的低照度目標檢測方法，包括如下步驟：

1)制作合成數據源，建立來源圖像：將正常日光照度下獲取的正常照度圖像Nor-images、模擬低照度環境下的成像特點獲取的低照度圖像Dark-images和圖像標注數據Images_Annotation進行整合構造成一個Dark-Nor-Data數據集，數據集的分組情況如下表1所示：

表1：

2)特征提取網絡模塊的訓練：過程包括：

2-1)將所有低照度圖像Dark-images和正常照度圖像Nor-images進行預處理，縮放到統一的寬度和高度；

2-2)采用Lab顏色模型將低照度圖像Dark-images和正常照度圖像Nor-images分解成光照分量和顏色分量兩個部分，分別對兩個部分進行降采樣，參考ResNet50進行設計，Lab顏色是由RGB三基色轉換而來的，它與RGB色彩模式轉化公式如下：

a＝500*(f(X)-f(Y))，

b＝200*(f(Y)-f(Z))，

其中，

2-3)將原RGB圖像經過Lab顏色模型轉換后的圖像進行卷積下采樣，得到各個階段各種尺寸大小的特征圖，然后將最后一個階段的特征圖經過1×1卷積，改變成與上一階段的特征圖同樣的通道數，再經過雙線性插值，變成與上一階段的特征圖同等尺寸大小的特征圖，最后通過逐像素相加，融合兩個階段的特征圖，同理，將各個階段的特征經過逐級融合，得到多尺度、多層級的能代表圖像細節的特征圖；