结合特征增强和多尺度感受野的低照度目标检测

低照度图像普遍存在噪声、颜色失真和低对比度等图像退化问题，不仅影响视觉体验，而且严重影响低照度目标检测精度.为了更好地完成低照度目标检测任务，提出一种结合特征增强和多尺度感受野（feature enhancement and multi-scale receptive field, FEMR）的低照度目标检测算法.首先，像素级高阶映射（pixel-level high-order mapping, PHM）模块学习低照度到正常照度的高阶映射关系，进而提高低照度目标特征显著性，从而获得初步增强的特征信息.然后，关键信息增强（key information enhancement, KIE）模块结合多种注意力机制，突出重要特征并过滤噪声信息，获得进一步增强的特征信息.此外，长距离特征捕获（long distance feature capture, LFC）模块引入多种尺度的条状感受野，捕获低照度场景中孤立区域的长距离关系.实验表明，所提算法在低照度目标检测精度方面具有较好的表现，同时能直接输出正常照度风格图像下的检测结果，实现端到端的低照度目标检测，便于人眼直接评估检测结果的精度.