本发明涉及计算机视觉,尤其涉及一种目标检测方法、装置、电子设备及存储介质。
背景技术:
1、近年来,随着图像处理领域的不断发展,利用图像获取信息已成为一种重要手段。例如,采用高品质的图像进行目标检测。然而,在恶劣的天气条件等不良环境下拍摄的图像通常会受到环境亮度、大气中大量悬浮颗粒的散射等因素的影响,造成图像对比度下降、颜色失真等问题,计算机视觉系统由于这些大量噪声的存在,很难依据这种低质量的图像准确地进行目标检测。
2、为此,现急需提供一种新的目标检测方法。
技术实现思路
1、本发明提供一种目标检测方法、装置、电子设备及存储介质,用以解决现有技术中存在的缺陷。
2、本发明提供一种目标检测方法,包括:
3、获取待检测图像;
4、若所述待检测图像需要亮度增强,则基于加权分数阶变分模型,将所述待检测图像分解为光照图以及反射图,并对所述光照图进行校正,基于校正所得结果与所述反射图,确定亮度增强图像;
5、若所述亮度增强图像需要去雾,则基于所述亮度增强图像中各像素点的像素值,确定所述亮度增强图像中大气背景光区域的分割阈值,并基于所述分割阈值以及所述亮度增强图像的通道图像中各像素点的像素值,确定所述亮度增强图像的初始透射率图像,并采用基于变窗边界限制的变窗相对变差方法,对所述初始透射率图像进行优化,得到第一优化结果;
6、基于所述第一优化结果以及所述分割阈值,确定所述亮度增强图像的初始去雾图像,并基于所述待检测图像中各像素点的局部对比度、亮度以及颜色相似度,对所述初始去雾图像进行多曝光融合,得到目标去雾图像;
7、基于注意力融合机制,对所述目标去雾图像进行目标检测,得到所述待检测图像的目标检测结果。
8、根据本发明提供的一种目标检测方法,所述基于加权分数阶变分模型,将所述待检测图像分解为光照图以及反射图,包括:
9、基于所述加权分数阶变分模型,采用范数分别约束所述光照图与所述反射图,并采用迭代重加权最小二乘法,将所述范数用范数进行表示;
10、采用半解耦分解方法将所述加权分数阶变分模型按所述光照图与所述反射图进行分离,并采用块坐标下降算法,对所述光照图与所述反射图分别进行迭代求解。
11、根据本发明提供的一种目标检测方法,所述采用基于变窗边界限制的变窗相对变差方法,对所述初始透射率图像进行优化,得到第一优化结果,包括:
12、基于所述亮度增强图像的通道图像,确定所述变窗边界限制;
13、基于中值滤波方法,对所述初始透射率图像进行优化,得到第二优化结果;
14、基于所述变窗边界限制以及所述第二优化结果,采用变窗相对变差方法,对所述初始透射率图像进行优化,得到所述第一优化结果。
15、根据本发明提供的一种目标检测方法,所述基于所述待检测图像中各像素点的局部对比度、亮度以及颜色相似度,对所述初始去雾图像进行多曝光融合,得到目标去雾图像,包括:
16、基于所述待检测图像中各像素点的局部对比度,计算所述待检测图像中各像素点的局部对比度权重;
17、基于亮度阈值,计算所述待检测图像中各像素点的亮度权重;
18、对所述待检测图像中各像素点的颜色相似度进行膨胀操作和腐蚀操作,确定所述待检测图像中各像素点的颜色相似度权重;
19、采用最小二乘法,对所述待检测图像中各像素点的局部对比度权重、亮度权重以及颜色相似度权重进行融合,得到所述待检测图像中各像素点的融合权重;
20、基于所述融合权重,对所述初始去雾图像中各像素点的像素值进行融合,得到所述目标去雾图像。
21、根据本发明提供的一种目标检测方法,所述基于注意力融合机制,对所述目标去雾图像进行目标检测,得到所述待检测图像的目标检测结果,包括:
22、将所述目标去雾图像输入至目标检测模型,得到所述目标检测模型输出的所述目标检测结果;
23、其中,所述目标检测模型在基础模型中嵌入注意力融合模块,所述基础模型在yolov5模型中加入elan模块以及elan_w模块;所述elan模块用于特征提取,所述elan_w模块用于特征融合;
24、所述目标检测模型基于携带有目标标签的图像样本训练得到。
25、根据本发明提供的一种目标检测方法,所述yolov5模型中的spp模块被替换为sppcspc模块。
26、根据本发明提供的一种目标检测方法,所述目标检测模型基于如下步骤训练得到:
27、将所述图像样本输入至初始检测模型,得到所述初始检测模型输出的初始检测结果;
28、基于所述初始检测结果以及所述目标标签,计算具有惩罚项的focal eiou loss,并加入如下惩罚项:
29、;
30、其中,为focal eiou loss,为异常值抑制程度控制参数,为eiou损失值,为所述初始检测结果对应的边框与所述目标标签对应的边框的交并比。
31、本发明还提供一种目标检测装置,包括:
32、图像获取模块,用于获取待检测图像;
33、亮度增强模块,用于若所述待检测图像需要亮度增强,则基于加权分数阶变分模型,将所述待检测图像分解为光照图以及反射图,并对所述光照图进行校正,基于校正所得结果与所述反射图,确定亮度增强图像;
34、第一去雾模块,用于若所述亮度增强图像需要去雾,则基于所述亮度增强图像中各像素点的像素值,确定所述亮度增强图像中大气背景光区域的分割阈值,并基于所述分割阈值以及所述亮度增强图像的通道图像中各像素点的像素值,确定所述亮度增强图像的初始透射率图像,并采用基于变窗边界限制的变窗相对变差方法,对所述初始透射率图像进行优化,得到第一优化结果;
35、第二去雾模块,用于基于所述第一优化结果以及所述分割阈值,确定所述亮度增强图像的初始去雾图像,并基于所述待检测图像中各像素点的局部对比度、亮度以及颜色相似度,对所述初始去雾图像进行多曝光融合,得到目标去雾图像;
36、目标检测模块,用于基于注意力融合机制,对所述目标去雾图像进行目标检测,得到所述待检测图像的目标检测结果。
37、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述目标检测方法的步骤。
38、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述目标检测方法的步骤。
39、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述目标检测方法的步骤。
40、与现有技术相比,本发明具有以下有益效果:
41、本发明提供的目标检测方法、装置、电子设备及存储介质,在待检测图像需要亮度增强时利用加权分数阶变分模型进行亮度增强,得到亮度增强图像,在待检测图像需要去雾时利用分割阈值以及基于变窗边界限制的变窗相对变差方法确定初始去雾图像,并通过对初始去雾图像进行多曝光融合得到目标去雾图像。最后结合注意力融合机制对目标去雾图像进行目标检测,得到待检测图像的目标检测结果。该方法结合图像亮度增强、图像去雾和注意力融合机制,可以极大地提高不良环境下针对小目标的检测性能。该方法采用的加权分数阶变分模型,在增强图像亮度的同时可以保持图像结构,为目标检测提供良好的基础。该方法采用的基于变窗边界限制的变窗相对变差方法以及多曝光融合,可以揭示不良环境下的图像细节,进而改善目标检测结果的准确性。该方法采用的注意力融合机制,可以提升对小目标的感受野和特征提取能力,进而实现对小目标的准确检测。