低照度场景下融合局部与全局信息的无人机目标跟踪算法

摘要

针对低照度场景下无人机获取的图像亮度与对比度较低、容易导致跟踪失败的问题，提出了一种融合局部与全局信息的无人机目标跟踪算法。在骨干网络提取图像特征之前，设计图像增强模块实现针对高级任务的低照度图像增强。首先，将低照度图像输入低照度增强模块中，该模块结合空间通道注意力机制和卷积网络，深入挖掘全局和局部信息；然后，在残差卷积前馈网络中引入空间移位操作，进一步实现局部特征信息的聚合；最后，通过鲁棒的非线性曲线投影，对低照度图像进行噪声分量图和照明分量图估计，实现图像增强。在低照度无人机数据集DarkTrack2021和UAVDark135上进行仿真实验，结果表明：具有低照度增强模块的算法显著提高了跟踪准确度和成功率，能够实现无人机在低照度场景下的可靠跟踪。

关键词

目标跟踪 / 低照度图像增强 / 注意力机制 / 无人机 / Transformer模型

基金资助

山东省自然科学基金资助项目(ZR2020MF142); 山东航空学院研究生创新基金资助项目(SHSYCX13);山东航空学院博士启动基金资助项目(2021Y04)