公开(公告)号：CN119762919A

公开(公告)日：2025-04-04

申请号：CN202411678697.8

申请日：2024-11-22

Applicant: 中北大学

Inventor： 张静 ,  周晔 ,  杜晓雨 ,  谭亚军

IPC: G06V10/80 ,  G06V10/20 ,  G06V10/44 ,  G06V10/46 ,  G06V10/52 ,  G06V10/82 ,  G06V20/56 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种用于自动驾驶的低照度可见光和红外图像融合方法。A1：红外图像边缘增强；A2：可见光图像亮度增强；A3：红外图像和可见光图像初步融合；A4：边缘增强的红外图像、亮度增强后的特征图和初步融合特征图二次融合；该方法实现了融合与亮度提升的并行进行，减少了由于增强算法和融合算法不兼容带来的信息损失。在LLVIP数据集和TNO数据集上验证了方法的有效性，结果证明：与经典融合算法相比，该方法在低光照环境下能保留更多的源图像细节信息，并且能提高图像的对比度和亮度，在主观和客观评价上均取得较好的结果。

公开(公告)号：CN119559611A

公开(公告)日：2025-03-04

申请号：CN202411624755.9

申请日：2024-11-14

Applicant: 中北大学

Inventor： 张静 ,  杜晓雨 ,  谭亚军 ,  周晔

IPC: G06V20/58 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于多尺度特征融合的复杂背景下交通标志检测方法，包括以下步骤：包括以下步骤：A1图像输入；A2主干网络特征提取：图像经过DS‑C3模块的处理，提取出多尺度的特征信息；A3特征融合：提取的多尺度特征经过新加入的160×160小目标特征图，进行融合处理，生成包含高精度信息的特征层，丰富了特征提取的尺度；A4检测与分类；A5输出结果。本发明通过引入DS‑C3模块，使用深度可分离卷积，大幅减少了模型的参数量和计算量，显著提升了计算效率，同时保持了较高的检测精度；针对小目标交通标志检测的难题，专门优化了小目标的检测性能。这种设计有效提高了模型在检测小交通标志时的精度，解决了现有技术中常见的漏检和误检问题。