[发明专利]一种针对雾天影像的目标检测算法

说明书

本发明提供了一种针对雾天影像的目标检测方法，它解决了现有技术对雾天影像目标检测模型识别准确率不高和操作步骤繁杂的问题。其方法包括：S1:采集雾天和非雾天的图像数据；S2:训练去雾模型；S3：训练目标检测模型；S4:将去雾模型的输出和原始图片进行融合，并利用降维模块对数据降维，输入到目标检测模型中，并对去雾模型和目标检测模型进行微调，成为端到端的针对雾天影像的目标检测模型。本发明具有以下优点：识别准确率高，识别步骤便利，端到端识别。

技术领域

本发明涉及计算机视觉人工智能技术领域。特别涉及一种针对雾天影像的目标检测方法。

技术背景

随着人工智能领域深度学习的快速发展，计算机视觉越来越多的领域受到了巨大的机遇和挑战。很多计算机视觉任务如分类，检测等在性能上取得了巨大的进步和提高，如在图像分类任务中，神经网络的识别准确率已经超过人类。在目标检测领域，深度学习的算法性能也远超传统的目标检测方法。

尽管目前基于深度学习的目标检测算法性能上得到了巨大的提升，但是这些目标检测算法并不能通用的应用在所有的场景之中，并获得令人满意的表现。随着无人机的普及，无人机在农业，林业，测绘等领起着越来越关键的作用。在使用无人机获取航拍影像的过程中，航拍影像的成像质量，易受到天气因素的影响，如阴天，雾天等。而影像的质量直接影响着检测的准确率，因此我们需要对图像进行处理，以此减轻这些因素的影响。在图像去雾领域，有很多算法可以有进行有效的去雾。针对雾天航拍影像的目标检测，常规的处理方法是先用去雾算法进行去雾然后对去雾后的图片进行检测。可是由于航怕区域往往比较宽阔，不是所有的图片都包含雾，如果将不包含雾的图片进行去雾处理，那么不包含雾的图片的分布将会发生变化，将会影响检测的准确性；如果人工将图片分为包含雾的图片和不包含雾的图片，将是非常耗时耗力的工作，而使用分类网络来区分，分类网络无法保证完全预测准确，还是存在将不含雾的图片分类为含有雾的图片，并进行去雾操作。

综上所述，在航拍影像的目标检测过程中，如何有效的去雾，提高检测的准确性是十分重要的研究内容。

发明内容

为解决在雾天环境下，影像检测识别准确率不高的问题，针对现有技术不足，本发明提出级联(cascade)的目标检测方法，通过将去雾算法整合到检测框架中，以此来保证识别的准确性和便利性。

本发明解决其技术问题所采用的的技术方案是：一种针对雾天影像的目标检测算法。所述的方法包括以下步骤：

S1：数据集采集及划分，包括雾天影像和非雾天的影像数据

S2：对含有雾天的图像数据进行训练得到去雾模型。

S3：对包含雾天和非雾天的图像数据进行训练得到目标检测模型。

S4：将图像数据输入到步骤S2的去雾模型中得到输出结果并将其和与之对应的原始图片进行融合,将融合数据进行降维输入到步骤S3的目标检测模型得到最终的检测结果。

通过上述的技术方案，将雾天影像的结果进行预测，从而提高对雾天影像的检测准确性和便利性。

在上述方法中，步骤S1中，数据集的划分的具体步骤包括：

验证集用于模型选择，在数据集制作过程中需要对有雾图像和无雾图像分别进行验证集合训练集的划分。

在上述方法中，步骤S2中，去雾模型的训练的具体步骤包括：

对雾天数据集进行数据增强操作，使用深度学习算法对增强后的雾天数据用去雾网络进行训练，得到去雾模型，并根据验证集上的验证结果，选取最有的模型权值。

在上述方法中，步骤S3中，目标检测模型训练的具体步骤包括：