优化热红外领域行人检测的图像校正管道

红外图像可以在雾和低光照等低能见度情况下提供帮助，但它容易受到热噪声的影响，需要进一步的处理和校正。本研究探讨了在类似于自动驾驶场景的城市环境中，不同的红外处理管道对行人检测性能的影响。红外图像上的检测被证明优于可见光图像上的检测，但红外校正管道至关重要，因为模型无法从原始红外图像中提取信息。研究了两种热校正管道：快门管道和无快门管道。实验表明，一些校正算法（如空间去噪）即使提高了人类观察者的视觉质量，也会对性能产生不利影响。其他算法（如去条纹，以及在较小程度上的时域去噪）会增加计算时间，但在提高检测精度方面有一定作用。就目前而言，对于多变环境中的自动驾驶应用，速度和精度的最佳权衡是仅使用无快门管道与色调映射算法。