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OA

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。