摘 要：無人機(jī)進(jìn)行目標(biāo)檢測，檢測精度受圖像質(zhì)量影響，圖像質(zhì)量又受光照條件的影響。因此，設(shè)計(jì)了一種基于分類的輕量級(jí)無人機(jī)光適應(yīng)算法———Ａｄａｐｔｉｖｅ Ｅｎｈａｎｃｅ ａｎｄ Ｅｘｐｏｓｕｒｅ （ＡＥＥ），利用輕量級(jí)網(wǎng)絡(luò)ＳｈｕｆｆｌｅＮｅｔｖ２ 對(duì)航拍圖像按光照條件分類后，再利用改進(jìn)的圖像處理模塊自適應(yīng)光照轉(zhuǎn)換器（Ｉｌｌｕｍｉｎａｔｉｏｎ Ａｄａｐｔｉｖｅ Ｔｒａｎｓｆｏｒｍｅｒ，ＩＡＴ） 進(jìn)行圖像增強(qiáng)或者曝光校正；為了解決航拍低光圖像噪聲干擾問題，設(shè)計(jì)邊緣增強(qiáng)濾波模塊。實(shí)驗(yàn)證明，輕量級(jí)網(wǎng)絡(luò)ＳｈｕｆｆｌｅＮｅｔｖ２ 在自建航拍圖像分類數(shù)據(jù)集上分類精度達(dá)到９９． ５％ ；加入邊緣增強(qiáng)濾波模塊的圖像增強(qiáng)算法峰值信噪比（Ｐｅａｋ Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ，ＰＳＮＲ）指標(biāo)平均提升１． ２６，結(jié)構(gòu)相似性指數(shù)（Ｓｔｒｕｃｔｕｒａｌ Ｓｉｍｉｌａｒｉｔｙ Ｉｎｄｅｘ，ＳＳＩＭ） 指標(biāo)提升０． ０２３；改進(jìn)后的ＩＡＴ 算法ＰＳＮＲ 指標(biāo)提升０． ４６，ＳＳＩＭ 指標(biāo)提升０． ００８；光適應(yīng)算法對(duì)目標(biāo)檢測平均準(zhǔn)確率提升０． ４％ ，在Ｊｅｔｓｏｎ ＡＧＸ Ｘａｖｉｅｒ 設(shè)備上處理速度達(dá)到５７． ４ 幀／ 秒，滿足實(shí)時(shí)目標(biāo)檢測。

關(guān)鍵詞：分類；圖像增強(qiáng)；曝光校正；目標(biāo)檢測；濾波

中圖分類號(hào)：ＴＰ３８９． １ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１０－２４２５－０９

０ 引言

在無人機(jī)目標(biāo)檢測和目標(biāo)追蹤等任務(wù)中，圖像質(zhì)量從根本上影響計(jì)算機(jī)視覺效果；同時(shí)，由于無人機(jī)資源受限，無法安裝使用性能特別優(yōu)良的攝像頭。因此，無人機(jī)條件下的計(jì)算機(jī)視覺任務(wù)中，往往會(huì)遇到諸多問題。一方面，在光照不足的情況下，圖像細(xì)節(jié)不足而且會(huì)受到相機(jī)內(nèi)噪聲影響；另一方面，在某些場景中拍攝會(huì)遇到陽光或者強(qiáng)燈光直射導(dǎo)致的過／ 欠曝光問題。針對(duì)這些問題，現(xiàn)有的研究往往將其分為２ 類任務(wù)：圖像增強(qiáng)和曝光校正。

圖像增強(qiáng)旨在微光條件下，增強(qiáng)圖像可視程度以及抑制噪聲的同時(shí)，恢復(fù)、保留圖像細(xì)節(jié)［１］。圖像增強(qiáng)的傳統(tǒng)算法有：基于直方圖均衡化的方法、基于Ｒｅｔｉｎｅｘ 算法的方法等?；谏疃葘W(xué)習(xí)的算法有：結(jié)合Ｒｅｔｉｎｅｘ 理論的ＲｅｔｉｎｅｘＮｅｔ 和ＫｉｎＤ 兩種經(jīng)典模型［２－３］、基于生成對(duì)抗網(wǎng)絡(luò)的ＺｅｒｏＤＣＥ 網(wǎng)絡(luò)和Ｅｎｌｉｇｈｔｅｎ ＧＡＮ 網(wǎng)絡(luò)等［４－５］。曝光校正旨在調(diào)整曝光不足和曝光過度的圖像，在短／ 長曝光條件下進(jìn)行圖像重建［６－８］。曝光校正算法包括直方圖法［９］和深度學(xué)習(xí)法２ 種，目前主流方法為基于計(jì)算機(jī)視覺的算法，例如Ａｆｉｆｉ 等［１０］提出的基于深度神經(jīng)網(wǎng)絡(luò)（ＤｅｅｐＮｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＤＮＮ）模型的曝光校正網(wǎng)絡(luò)以及在此基礎(chǔ)上，Ｎｓａｍｐｉ 等［１１］引入注意力機(jī)制設(shè)計(jì)的曝光校正網(wǎng)絡(luò)模型等。