基于图像特征增强的低照度目标检测算法

来源：电子测量技术杂志2024年第13期北京时间：

作者：黄玉龙，张晓玲

单位：江苏理工学院电气信息工程学院 常州 213001

摘要：低照度环境会导致图像目标特征不明显，噪声干扰严重等情况，影响目标检测器的检测性能。针对以上问题，构建了一个多尺度图像特征增强模块FEM，并与YOLOv8s目标检测网络联合，构建了端到端的低照度目标检测算法FE-YOLO。首先，使用FEM从输入图像中构建三个不同尺度下的特征信息并进行高效融合，得到具有丰富特征表达的增强图像。然后，在YOLOv8s颈部网络中添加目标特征增强模块TFE，通过抑制高层特征中的背景噪声信息，突出目标特征的表达能力。实验结果表明：在低照度图像目标检测数据集ExDark上的平均精度均值（mAP）达到了75.63%，与原始的YOLOv8s算法相比，提高了3.03%，本文算法在低照度目标检测任务中取得了更好的检测效果。

关键词：目标检测;低照度图像;YOLOv8网络;图像增强;特征融合

基金资助：国家自然科学基金（61305123）、产学研项目（KYH17134）资助