计算机科学与探索

作者：颜豪男, 吕伏, 冯永安

单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

关键词：无人机（UAV）,目标检测,图像增强,YOLOv8,低照度,自适应,频域分离

在自然光照条件下，无人机航拍图像中包含着低照度图像，这部分低照度图像会影响目标检测的精度，并且基于航拍图像的检测任务往往具有较高的实时性需求。针对上述问题，提出了一种特征级自适应增强的无人机航拍图像目标检测算法。首先使用改进的拉普拉斯算子与IAT图像增强网络进行融合，以强化目标的边缘特征，提升目标检测能力；其次使用双分支结构对正常图像与增强图像进行并行学习，以自适应选择的方式对学习到的特征进行融合，从而构建BLENet特征级自适应增强网络，自动适应光照并增强图像信息；然后设计基于频域分离的可变形卷积FS-DC模块以及具有参数共享的FS-C2F模块，从而在增强高频信息捕捉能力的同时减少模型参数量和计算冗余；最后改进回归损失函数Wise-IoU，使模型进一步聚焦于中高质量锚框，从而降低边界回归损失，提升定位精度。在公开数据集visDrone2023上的实验结果表明，相较于基线模型，最终模型在保持99 FPS的前提下，mAP@0.50提升了2.3个百分点，适用于露天光照变化环境下的无人机航拍实时检测任务。

来源：2024年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第6期