《表3 4种显著性检测方法的客观评价指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《红外弱小目标检测算法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体为每列最优值。

由于红外运动弱小目标检测算法研究较少，目前还没有详细按照该分类进行对比的论文，且代码公开较少，而本文作者在序列检测领域的研究主要集中在显著性检测方面，因此，本节主要对几种显著性检测相关方法的客观评价指标进行简单的对比与说明，见表3，分别是FT（Achanta等，2009），PQFT（Qi等，2014），Han等人（2015）的方法和QDCT（Zhang等，2019）。从表中可以看出，QDCT这种利用小目标的运动信息保留其运动轨迹，并利用4个数据通道有助于获取更多的红外序列信息，在背景抑制、提高目标与背景的对比度方面有更好的效果。综合上述两类算法中典型方法的主要特点和步骤等分析可知，DBM和MBD是基于不同思路进行红外运动小目标检测的两类方法，本小节重点总结对比了这两类方法。DBM方法原理简单、耗时短、实时检测便于应用。该类方法在低信噪比条件下由于小目标灰度与背景的灰度值接近，容易在阈值低时将背景判别为目标或在阈值高时目标丢失，导致算法失效。但在信噪比大于10 dB时具有较好的检测效果。MBD方法的计算流程相对复杂，要求的硬件系统配置更高，难以实时应用。但在低信噪比的情况下，小目标检测性能明显更优。在实际的军事领域中，红外成像系统一般较远，目标尺寸小、背景复杂且目标容易被杂波干扰，使得信噪比低。因此，人们较多地采用MBD方法来检测红外图像中信噪比低的弱小目标，比如郝晓冉和张有志（2005）就是使用该方法。二者详细的性能比较如表4所示。