特征级自适应增强的无人机目标检测算法.pdfVIP

计算机科学与探索1673-9418/2024/18(06)-1566-13

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2403029

特征级自适应增强的无人机目标检测算法

+

颜豪男，吕伏，冯永安

辽宁工程技术大学软件学院，辽宁葫芦岛125105

+通信作者E-mail:

摘要：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99FPS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。

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

文献标志码：A中图分类号：TP391.4

Feature-LevelAdaptiveEnhancementforUAVTargetDetectionAlgorithm

+

YANHaonan,LYUFu,FENGYongan

SchoolofSoftware,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China

Abstract:Undernaturallightingconditions,UAV(unmannedaerialvehicle)aerialimagescontainlow-lightimages,

whichaffecttheaccuracyoftargetdetection,anddetectiontasksbasedonaerialimagesoftenhavehighreal-timere-

quirements.Toaddresstheaboveproblems,afeature-leveladaptiveenhancementtargetdetectionalgorithmfor

UAVaerialimagesisproposed.Firstly,animprovedLaplaceoperatorisfusedwiththeIAT(illuminationadaptive

transformer)imageenhancementnetworktoenhancetheedgefeaturesofthetargetandimprovethetargetdetection

ability.Secondly,atwo-branchstructureisusedtolearnthenormalimageandtheenhancedimageinparallel,andthe

learntfeaturesarefusedinanadaptiveselectionmannertoconstructaBLENet(badlightingenhancementnet)

feature-leveladaptiveenhancementnetwork,whi