殷旭平 钟平 薛伟 肖子轩 李广

摘 要： 雨雾恶劣天气条件下，无人机获取的图像细节丢失严重，直接对降质图像进行目标检测会导致目标的漏检和错检。先去雾后检测的方法对薄雾天气条件下无人机图像的目標检测性能提升显著，但无法解决目标检测模型过度依靠图像中目标物纹理和表面信息分类的问题，  浓雾天气条件下性能较差。针对这一问题提出通过风格迁移的无人机图像目标检测方法，在保持图像内容不变的基础上改变图像的风格，使目标检测模型从学习目标物纹理和表面信息转变为学习目标物轮廓这一更高难度的任务。实验在无人机数据集Visdrone2019上进行，首先利用不同浓度雾气图像在梯度特征、暗通道特征及小波特征上的差异，将无人机图像划分为无雾、薄雾、浓雾图像。其次针对薄雾和浓雾图像分别采取去雾和风格迁移的处理方式。实验结果表明，通过风格迁移的目标检测方法可以进一步减缓光照、噪声带来的影响，并显著提升无人机浓雾图像的目标检测性能，与先去雾后检测的方法结合，可以自适应地完成无人机浓雾天气条件下图像的目标检测任务。

关键词：无人机图像;雾图像;风格迁移;目标检测;图像分类

中图分类号： TP751; V279  文献标识码： A   文章编号：1673-5048（2021）03-0022-09

0 引  言

随着科学技术的快速发展，无人机技术不断取得新进展。无人机趋于微型化、自动化、智能化，因而被广泛应用在军事和民事领域[1]，如自然灾害检测调查、空中侦察预警、航空监测等。……