[发明专利]一种基于自适应图像增强的弱光照环境下目标识别方法

说明书

本发明公开了一种基于自适应图像增强的弱光照环境下目标识别方法，包括：搭建自适应图像增强模块；搭建基于自适应图像增强的弱光照环境下目标识别模型；采集弱光照环境下的目标视频并处理生成弱光照环境下目标的数据集，划分测试集图像与训练集图像，对训练图像进行标注，生成标签文件；将训练集的全部图像和标签文件送入基于自适应图像增强的弱光照环境下目标识别模型进行训练；将训练好的基于自适应图像增强的弱光照环境下目标识别模型完成弱光照环境下的目标识别，并输出识别结果。本发明提升了弱光照环境下的目标识别的快速性与准确性，能够有效解决目前目标识别技术在弱光照环境下目标识别准确率不高，识别速度慢等问题，应用前景广泛。

技术领域

本发明涉及目标识别及深度学习的技术领域，尤其涉及一种基于自适应图像增强的弱光照环境下目标识别方法。

背景技术

随着计算机视觉的不断发展，深度学习在视觉处理的目标识别领域也不断拓宽。可是目前部分目标识别算法在弱光照环境下由于目标与周围环境的对比度低，所以仍存在目标识别不准确，识别速度慢的问题，为满足视觉领域对弱光照环境下目标识别的要求，研究基于弱光照环境下的快速准确目标识别技术具有重要意义。

目前，弱光照环境下的目标识别主要有两种方法，一是基于车灯特征的夜间车辆识别方法，就是通过梯度滤波进行预处理，完整提取车辆的车灯轮廓，接着通过图像灰度化操作，将车灯从图像中分割出来；然后根据车灯的形态特征对车灯进行识别，根据车灯匹配原则，通过车灯跟踪目标车辆，实现目标车辆的识别，这种方法在城市地区的车灯、街灯、建筑灯、车辆反射光等复杂照明条件，车灯识别容易出现错误。二是通过机器学习的方法，采用基于张量分解和目标区域的夜间车辆识别算法完成弱光照环境下的目标识别任务，但这种算法并不是端到端学习框架，会导致训练过程非常繁琐。

发明内容

发明目的：为解决背景技术中存在的技术问题，本发明提供一种基于自适应图像增强的弱光照环境下目标识别方法，其设计了自适应增强模块，提升了弱光照环境下的目标识别的快速性与准确性。

技术方案：为实现上述目的，本发明提供一种基于自适应图像增强的弱光照环境下目标识别方法，包括以下步骤：

S1：搭建自适应图像增强模块；

S2：搭建基于自适应图像增强的弱光照环境下目标识别模型；

S3：采集弱光照环境下的目标视频并逐帧处理生成弱光照环境下目标的数据集，根据比例划分测试集图像与训练集图像，对训练图像进行标注，生成标签文件；

S4：将训练集的全部图像和标签文件送入基于自适应图像增强的弱光照环境下目标识别模型进行充分训练；

S5：将训练好的基于自适应图像增强的弱光照环境下目标识别模型完成弱光照环境下的目标识别，并输出识别结果。

进一步地，所述步骤S1中自适应图像增强模块的搭建方法为：

A1：将图像的RGB模型转为HIS模型，R,G,B参数转换为H,I,S参数具体公式如下：

其中，R为图像的红色通道，G为图像的绿色通道，B为图像的蓝色通道，H为图像的色调，I为图像的亮度，S为图像的色饱和度，θ为转换角度，min为求最小值；

A2：设置图像亮度变换函数，具体函数公式如下所示：

y＝αI^γ (5)

γ＝-log₃I (6)