【技术实现步骤摘要】
本专利技术涉及计算机视觉和图像处理,特别是一种基于自适应偏振编码图像的多尺度目标检测方法。
技术介绍
1、近年来,目标检测作为计算机视觉的一个重要研究方向,广泛应用于智能监测、辅助医疗诊断、农业病害检测等实际场景中。早期的检测算法主要依靠手工设计的方式提取目标特征信息,具有耗时长且迁移性差的问题。随着计算机硬件和卷积神经网络的相关理论的发展,基于深度学习的检测算法逐渐占据了主流位置。基于深度学习的算法不需要对输入图片进行模板生成等一系列复杂的预处理,所以在精度和速度上均远优于传统方法。
2、基于深度学习的检测方法提高了目标特征的提取能力,但是在雨天、雾天等可视条件差的场景下出现的图像模糊、特征难以辨识等问题,会让基于可见光的常规目标检测方法的检测性能大幅下降,甚至失效。偏振成像即使在低照度或强反射光下,也能够稳健表征目标的重要物理特征,还能从材料粗糙度和物化特征等多个维度中突出目标和背景差异。目前偏振成像技术广泛应用在如天文、军事、生物医学等各类场景中,已经成为信息获取领域的研究热点。因此,有学者关注到基于偏振成像的检测方法
...【技术保护点】
1.一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,所述步骤S1中同步采集不同偏振方向的多尺度目标数据,采集设备选用FLIR黑白偏振相机,该设备采用基于微型滤波片阵列的分焦平面成像技术,有效地同步采集场景多尺度目标0°、90°、45°和135°四个偏振方向的光强信号。
3.根据权利要求1所述的一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,所述步骤S1的编码处理主要步骤包括图像分解、冗余偏振方向信息剔除、归一化以及堆叠;其
...【技术特征摘要】
1.一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,所述步骤s1中同步采集不同偏振方向的多尺度目标数据,采集设备选用flir黑白偏振相机,该设备采用基于微型滤波片阵列的分焦平面成像技术,有效地同步采集场景多尺度目标0°、90°、45°和135°四个偏振方向的光强信号。
3.根据权利要求1所述的一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,所述步骤s1的编码处理主要步骤包括图像分解、冗余偏振方向信息剔除、归一化以及堆叠;其中图像分解将原始图像分解为四个偏振方向图像:i0、i45、i90和i135;冗余偏振方向信息是指能够由i0、i45、i90线性表示的i135偏振方向图像信息;归一化和堆叠是仿效r、g、b三通道形式,将三个偏振图像归一化至0-255之间后进行图像堆叠;这一处理过程使得最终获得的偏振编码图像既具备与可见光图像相同编码形式,同时又完整地保留了目标的偏振信息;i135与i0、i45、i90具体线性关系可以描述为如下:
4.根据权利要求1所述的一种基于自适应偏振编码图像的多尺度目标检测方法,其特征在于,所述步骤s2的自适应偏振信息融合模块包括...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。