摘要
低照度图像普遍存在噪声、颜色失真和低对比度等图像退化问题,不仅影响视觉体验,而且严重影响低照度目标检测精度.为了更好地完成低照度目标检测任务,提出一种结合特征增强和多尺度感受野(feature enhancement and multi-scale receptive field,FEMR)的低照度目标检测算法.首先,像素级高阶映射(pixel-level high-order mapping,PHM)模块学习低照度到正常照度的高阶映射关系,进而提高低照度目标特征显著性,从而获得初步增强的特征信息.然后,关键信息增强(key information enhancement,KIE)模块结合多种注意力机制,突出重要特征并过滤噪声信息,获得进一步增强的特征信息.此外,长距离特征捕获(long distance feature capture,LFC)模块引入多种尺度的条状感受野,捕获低照度场景中孤立区域的长距离关系.实验表明,所提算法在低照度目标检测精度方面具有较好的表现,同时能直接输出正常照度风格图像下的检测结果,实现端到端的低照度目标检测,便于人眼直接评估检测结果的精度.
基金项目
国家自然科学基金(61876049)
国家自然科学基金(62172118)
广西自然科学基金重点项目(2021GXNSFDA196002)
广西图像图形与智能处理重点实验项目(GIIP2006)
广西图像图形与智能处理重点实验项目(GIIP2007)
广西图像图形与智能处理重点实验项目(GIIP2008)
广西研究生教育创新计划(YCB2021070)
广西研究生教育创新计划(YCBZ2018052)
广西研究生教育创新计划(YCSW2022269)
桂林电子科技大学研究生教育创新计划(2021YCXS071)
维普
万方数据