[发明专利]一种基于RGB图像和MSR图像双通道的目标检测方法

权利要求书

1.一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于，包括以下步骤：

S1、通过在原始RGB图像上应用灰度化和MSR(Multi Scale Retinex)算法，得到具有颜色恒常性的MSR图像，具体为：

S11、对原始图像进行灰度化，得到灰度图像S(x,y)；

S12、对步骤S11得到的灰度图像应用到三个不同尺度的SSR(Single Scale Retinex)算法上；

S13、对步骤S12得到的不同尺度的SSR图像通过加权求和得到具有颜色恒常性的MSR图像；

S2、对于步骤S1得到的原始RGB图像和MSR图像，分别采用特征金字塔网络FPN(FeaturePyramid Networks)模型对图像进行深度特征的学习；

S3、通过注意力机制对原始RGB图像和MSR图像的特征进行特征融合，具体为：给定一组特征{f_k,k＝1,...,N}，f_i表示特征组，N示特征的数量，将学习与特征对应的一组权重{ω_k,k＝1,...,N}以生成聚合特征v：

其中，ω_k表示学习等式的权重，要融合的是RGB图像的深度特征f_RGB和MSR图像的深度特征f_MSR，为了学习权重ω_k，首先要学习具有与f_k相同维数的内核q，内核q通过点积操作过滤特征向量，生成的向量d_k表示相应特征的重要性：

d_k＝q^Tf_k

为了将重要性转换为权重ω_k，将向量d_k传递给softmax运算，并获得所有正权重ω_k：

其中，S表示特征向量的个数，s＝1～N；

S4、通过Focal Loss和DIoU Loss对特征金字塔网络模型进行分类和回归过程进行监督；

S5、利用特征金字塔网络模型对预测目标进行检测。

2.根据权利要求1所述的一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于：步骤S11包括确定上中下三种高斯环绕尺度。

3.根据权利要求2所述的一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于：所述灰度图像公式如下：

S(x,y)＝R(x,y)·L(x,y)

其中R(x,y)表示MSR图像，L(x,y)为入射图像，是入射光作用在物体上的图像，同时R(x,y)和L(x,y)包含不同的频率分量，R(x,y)侧重于高频成分，L(x,y)侧重于低频成分。

4.根据权利要求3所述的一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于：所述MSR图像获取如下：

log[S(x,y)]＝log[R(x,y)]+log[L(x,y)]

L(x,y)通过中心环绕函数F(x,y)和灰度图像S(x,y)卷积生成，故SSR图像R_i(x,y)由如下公式求得：

log[R_i(x,y)]＝logS(x,y)-log[S(x,y)*F_i(x,y)]

其中F(x,y)可取高斯滤波器：

其中，c为高斯环绕尺度，K取值应满足：

∫∫F(x,y)dxdy＝1

最后，MSR图像R(x,y)由SSR图像R_i(x,y)和权重a_i加权求和得到，公式为：

5.根据权利要求4所述的一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于：所述FPN模型通过h个Bottleneck单元块、f*f最大池化层和全连接层进行组合得到骨干网络Resnet-50架构，其中每个Bottleneck单元块包括两层一层点卷积层和位于两层一层点卷积层中间的一层深度卷积层。