《表1 不同场景下的GSCR与BSF》
文中算法与几种常用的算法:max-mean算法、max-median算法、top-hat算法以及传统的LCM算法进行对比的结果如图6所示,真实目标在原图和结果图均用方框标出,虚假目标由椭圆标出,可以看到max-mean算法和max-median算法虽然在多数情况下能够检测到目标,但仍存在较大的误检与漏检,检测率较低。对于top-hat算法,其检测准确率稍好于前两种算法,但受边缘形态影响较大,抗干扰能力较弱。传统的LCM算法在高亮度背景、低亮度目标、强边缘等情况下有较强的检测能力,但是在检测过程中容易产生过大的块效应[28],形成误检,降低检测率。同时,针对像素点噪声存在的情况,这4种算法均未能完成准确检测,表明其对于噪声干扰的鲁棒性较弱。通过与上述方法的实验对比可以看出,本文提出的算法可以很好地抑制包括像素点噪声在内的各种干扰,从而检测出真实目标,具有较高的检测率。在不同场景下应用top-hat算法、LCM算法以及本文算法对弱小目标检测所得到的定量对比结果如表1所示,通过信杂比增益(signal-to-clutter ratio gain,GSCR)和背景抑制因子(background suppress factor,BSF)来定量评价各算法的性能。表中p1、p2、p3分别代表图4(b)~图4(d)的第二行,通过式(17)和式(18)计算图像信杂比增益GSCR和背景抑制因子BSF,GSCR越大,表示目标越容易被检测到,BSF越大,表示对背景的抑制能力越强。
图表编号 | XD00108117300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 蔡军、黄袁园、李鹏泽、赵子硕、邓撬 |
绘制单位 | 重庆邮电大学自动化学院、重庆邮电大学自动化学院、重庆邮电大学自动化学院、重庆邮电大学自动化学院、重庆邮电大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |