面向暗光场景的目标偏振/可见光融合检测方法

来源：计算机测量与控制杂志2024年第4期北京时间：

作者：马如钺,王晨光,曹慧亮,申冲,唐军,刘俊

单位：中北大学 信息与通信工程学院

摘要：为解决偏振暗光场景下常见目标识别结果准确性不高的问题，提出了基于卷积神经网络的偏振度图像与可见光图像融合算法，设计了新的损失函数以形成无监督学习过程，引入拉普拉斯算子提高融合图像的质量，最终将被测目标的偏振信息与可见光信息有效结合；提出了基于改进的YOLOv5算法对融合后的目标进行目标检测，在网络框架中加入CA注意力机制，将通道注意力机制与空间注意力机制相结合。在自制的数据集上对提出的网络进行训练测试，结果表明，融合图像在主客观上都达到了较好的视觉效果，将改进的YOLOv5算法相比最优的YOLOv5s模型，精确率和召回率分别达到了89.3%和82.5%，均值平均精度分别提高了2.6%和1.8%。

关键词：偏振成像;目标检测;图像融合;YOLOv5;图像增强;注意力机制

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目），山西省重点研发计划项目，光电信息控制和安全技术重点实验室基金，山西省量子传感与精密测量重点实验室，山西省1331工程项目