[發明專利]一種圖像目標檢測方法及相關設備

在審

• 申請號: 202211534301.3
• 申請日: 2022-12-02
• 公開（公告）號: CN115546074A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 余紹黔;唐江婧;魯曉海
• 申請（專利權）人: 湖南工商大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08;G06V10/20;G06V10/764;G06V10/82
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 汪金連

1.一種圖像目標檢測方法，其特征在于，包括：

步驟1，獲取待檢測的低照度圖像；

步驟2，通過改進后的Retinex模型對所述低照度圖像進行亮度分量去除處理，得到增強圖像；

步驟3，將所述增強圖像輸入GoogLeNet神經網絡模型進行目標檢測，得到檢測結果；

所述GoogLeNet神經網絡模型的初始特征提取模塊包括第一卷積層、第二卷積層和第一池化層；

所述第一卷積層的輸入端為所述GoogLeNet神經網絡模型的輸入端，所述第一卷積層的輸出端與所述第二卷積層的輸入端連接，所述第二卷積層的輸出端與所述第一池化層的輸入端連接，所述第一池化層的輸出端與所述GoogLeNet神經網絡模型中的局部響應歸一化層的輸入端連接。

2.根據權利要求1所述的圖像目標檢測方法，其特征在于，所述步驟2包括：

將所述低照度圖像轉換至顏色空間，提取亮度分量作為光照圖像；

通過改進后的Retinex模型對所述低照度圖像進行亮度分量去除處理，得到增強圖像；

所述改進后的Retinex模型為：

將所述低照度圖像和所述光照圖像相除，得到所述增強圖像：

其中，表示低照度圖像，表示光照圖像，表示增強圖像，表示逐元素乘法，/表示逐元素除法，表示圖像像素空間坐標。

3.根據權利要求2所述的圖像目標檢測方法，其特征在于，

將所述低照度圖像轉換至顏色空間，提取亮度分量作為光照圖像，包括：

將所述低照度圖像從RGB顏色空間轉換至LMS空間：

將所述低照度圖像從所述LMS空間轉換為以10為底的對數空間：

將所述低照度圖像從所述對數空間轉換到顏色空間：

將所述顏色空間的亮度分量作為光照圖像。

4.根據權利要求3所述的圖像目標檢測方法，其特征在于，所述步驟2還包括：

利用Gamma校正對所述光照圖像進行調整，得到調整后的光照圖像，表達式為：

其中，表示伽馬變換參數，。

5.根據權利要求4所述的圖像目標檢測方法，其特征在于，在所述步驟3之前還包括：

對所述增強圖像進行銳化過濾處理，得到銳化后的增強圖像，表達式如下：

其中，表示銳化后的圖像，表示增強圖像，表示高斯濾波器，表示正比例因子。

6.根據權利要求5所述的圖像目標檢測方法，其特征在于，在所述步驟3之前還包括：

對銳化后的增強圖像進行零均值化處理；

將零均值化處理后的所述增強圖像輸入所述GoogLeNet神經網絡模型進行目標檢測。

7.一種圖像目標檢測裝置，其特征在于，包括：

獲取模塊，用于獲取待檢測的低照度圖像；

處理模塊，用于通過改進后的Retinex模型對所述低照度圖像進行亮度分量去除處理，得到增強圖像；

檢測模塊，用于將所述增強圖像輸入GoogLeNet神經網絡模型進行目標檢測，得到檢測結果；

所述GoogLeNet神經網絡模型的初始特征提取模塊包括第一卷積層、第二卷積層和第一池化層；

所述第一卷積層的輸入端為所述GoogLeNet神經網絡模型的輸入端，所述第一卷積層的輸出端與所述第二卷積層的輸入端連接，所述第二卷積層的輸出端與所述第一池化層的輸入端連接，所述第一池化層的輸出端與所述GoogLeNet神經網絡模型中的局部響應歸一化層的輸入端連接。

8.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述的圖像目標檢測方法。

9.一種圖像目標檢測設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述的圖像目標檢測方法。