图像增强与特征自适应联合学习的低光图像目标检测方法

来源：电子与信息学报杂志2025年第10期北京时间：

作者：乔成平, 金佳堃, 张俊超, 朱政亮, 曹祥旭

单位：1.中南大学自动化学院 长沙 4100832.光电智能测控湖南省重点实验室 长沙 4100833.集美大学海洋信息工程学院 厦门 361021

摘要：针对低光照图像目标特征弱、检测精度不足等问题，该文提出了一种基于图像增强与特征自适应联合学习的目标检测模型，该模型采用串联结构，将有监督的图像增强模块与YOLOv5目标检测模块相结合，以端到端的方式实现低光照图像目标检测。首先，利用正常光数据集生成匹配的正常光与低光图像对，实现数据集增强，并据此指导图像增强模块的学习；其次，联合图像增强损失、特征匹配损失和目标检测损失，从像素级和特征级两个层面优化目标检测结果；最后，基于真实低光照数据集进行模型参数的优化和微调。实验结果表明，该方法在仅使用真实正常光数据集训练的情况下，在LLVIP和Polar3000低光照数据集上的检测精度分别达到79.5%和85.7%，进一步在真实低光照数据集上微调后，检测精度分别提升至91.7%和92.3%，显著优于主流的低光照图像目标检测方法，并在ExDark和DarkFace的泛化实验中取得最佳检测效果。此外，该方法在提升检测精度的同时，仅带来2.5%的参数增加，具有良好的实时检测性能。

关键词：目标检测, 低照度图像, 特征匹配, 图像增强网络

基金资助：国家自然科学基金(62105372)，自动目标识别全国重点实验室基础研究基金(WDZC20255290209)，煤炭智能开采与岩层控制全国重点实验室开放基金(SKLIS202404)