摘要: 车载热成像系统不依赖光源，对天气状况不敏感，探测距离远，对夜间行车有很大辅助作用，热成像自动目标检测对夜间智能驾驶具有重要意义。车载热成像系统所采集的红外图像相比可见光图像具有分辨率低，远距离小目标细节模糊的特点，且热成像目标检测方法需考虑车辆移动速度所要求的算法实时性以及车载嵌入式平台的计算能力。针对以上问题，本文提出了一种针对热成像系统的增强型轻量级红外目标检测网络（Infrared YOLO，I-YOLO），该网络采用（Tiny you only look once，Tiny-YOLO V3）的基础结构，根据红外图像特点，提取浅层卷积层特征，提高红外小目标检测能力，使用单通道卷积核，降低运算量，检测部分使用基于CenterNet结构的检测方式以降低误检测率，提高检测速度。经实际测试，Enhanced Tiny-YOLO目标检测网络在热成像目标检测方面，平均检测率可达91%，检测平均速度达到81Fps，训练模型权重96MB，适宜于车载嵌入式系统上部署。
摘要: 在基于传统图像分割法的红外图像目标检测中，当背景颜色和被检测物体颜色相近时，往往难以有效地识别红外图像中的被检测物。所以为了进一步提高绝缘套管在红外图像中的识别精度，文中提出一种基于绝缘套管伞裙纹理特征的目标检测方法。首先为增强图像纹理特性，将双边滤波代替传统高斯-拉普拉斯算子中的高斯卷积滤波，通过双边-拉普拉斯进行图像滤波和增强。之后针对高压绝缘套管外层伞裙的特殊纹理，建立反映伞裙周期性分布的描述子，并通过图像扫描法进行粗识别。最终基于DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法，建立其超参数求解方法，实现离群点剔除和特征聚类，完成高压绝缘套管的精细分割。通过实验对比其他绝缘套管红外图像的识别算法，文中算法可以有效地精细分割出绝缘套管主体，克服其他图像分割方法的不足。并在数据集上识别率达到85%以上。
