买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明一种基于边界框回归的红外图像目标检测方法，其方案为：1搭建一种新的红外图像目标检测网络R‑YOLOv4；2构建FLIR红外数据集；3使用一种新的自适应CLAHE算法增强红外图像对比度；4使用一种新的基于α‑IoU的回归损失函数训练网络，得到训练好的基于边界框回归的红外图像目标检测网络；5将待检测的红外图像，输入到训练好的网络中进行检测标注，输出红外目标的检测结果。本发明的目标检测网络可以自适应增强红外图像对比度，同时目标检测网络能够有效提取特征，更灵活地实现不同水平的边界框回归精度，在IoU阈值较大时，可以提高目标的准确率和召回率，同时使得检测框的定位更加精确。

主权项：1.一种基于边界框回归的红外图像目标检测方法，其特征在于，包括如下步骤：步骤1，构建基于深度学习的红外图像目标检测网络R-YOLOv4，R-YOLOv4由五个模块构成，按照连接顺序依次为：1a用于初步提取特征的主干网络CSPDarknet53；1b用于进行多尺度特征融合的特征金字塔网络SPP；1c用于增强小目标感受野的感受野模块RFB；1d用于加强特征提取的特征增强网络PANet；1e用于进行目标检测的检测网络YOLOHead；步骤2，构建红外数据集；步骤3，红外数据集预处理，增强红外图像对比度；步骤4，基于预处理后的红外数据集，使用基于α-IoU的回归损失函数训练R-YOLOv4，得到训练好的基于边界框回归的R-YOLOv4；步骤5，将待检测的红外图像输入到训练好的R-YOLOv4中进行检测标注，输出红外图像目标的检测结果；所述步骤3中，使用自适应CLAHE图像优化算法进行红外数据集预处理，根据红外数据集中各图像的对比度不同，自适应地选择优化参数，保证红外数据集中全部图像的对比度都得到提升，所述自适应CLAHE图像优化算法包括：3a1将原图像分割为M个相同尺寸的子区域；3b1计算每个子区域的灰度直方图；3c1计算每个子区域上的所有像素平均分配到每个灰度级的像素数量Avg，限制每个灰度级包含的像素数量不能超出Avg的K倍，将所有超过该极限的像素数量，平均分配到灰度级上；3d1对每个子区域进行以上操作后进行灰度直方图均衡化；3e1将子区域中心点当作样本点，对图像的每一个像素点使用线性插值方法，得到所有点的像素值；其中，通过计算红外数据集中所有图像的对比度，选取一幅最低对比度图像和一幅最高对比度图像，对两个图像进行最佳剪切系数K和子区域划分数量M的选取，子区域划分数量M保持固定，在整个红外数据集的对比度区间使用拟合函数拟合剪切系数K。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种基于边界框回归的红外图像目标检测方法