一种图像增强及改进海洋生物图像检测算法

摘要：

为提高海洋生物图像的检测精度,采用优化的MSRCR对海洋生物图像进行增强,并基于ASFF和Focal Loss提出一种改进的YOLOv4算法(IYOLOv4).针对光线在海水中传播,红光的强衰减性,导致海洋生物图像对比度低、出现色偏的问题,使用双边滤波代替传统的MSRCR中的高斯滤波,不仅能保留更多图像边界的特征,而且通过增益图像中的红色,解决了图像色偏问题,同时也提高了图像局域对比度.算法使用ASFF结构充分利用图像高层特征的语义信息与底层的细粒度特征,通过学习权重参数的方式来进行特征的充分融合,增强融合效果;将YOLOv4的分类损失中采用的BCE Loss替换为Focal Loss,来解决数据集中类别不均衡的问题,提高检测精度.实验结果表明,该算法与YOLOv4算法相比,海参、扇贝、海星、海胆四种类别的AP分别提高了10.35、9.13、2.22、0.14个百分点,mAP提高了5.45个百分点.

关键词：图像检测、YOLOv4、双边滤波、自适应空间特征融合(ASFF)、分类损失

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;甘肃省自然科学基金;教育部人文社会科学研究项目

在线出版日期：2023-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：208-216