红外弱小目标检测之“Review on recent development in infrared small target detection algorithms”阅读笔记

Review on recent development in infrared small target detection algorithms

红外弱小目标尺度的定义:

The size of the target is very small of 2X2 to 9x9 pixels and is less than 0.15% of the whole image.

DBT方法(Single frame detection)优点:

  • 不依赖图像序列信息
  • 不依赖目标运动状态、形态信息

DBT方法缺点:

  • 低信噪比效果不佳
    红外目标检测流程

DBT方法分类:

  • 背景空间一致性(Background spatial consistency)

  • 目标显著性(target saliency)

  • 基于补丁级(patch-level based)

  • 基于补丁图像级(patch-image level based)

    代表作:

    • IPI(infrared patch image) Infrared patch-image model for small target detection in a single image

评价指标:

  • SCR(signal to clutter ratio),信杂比
  • BSF(background suppression factor),背景抑制因子
  • ROC(Receiver operating curve),受试者工作曲线

实验结果:

实验结果

各方面优缺点总结:

在这里插入图片描述

版权声明:本文为CSDN博主「WNANPHOTO」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_39611130/article/details/121930851

WNANPHOTO

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

深度学习之目标检测YOLOv5

一.简介 YOLOV4出现之后不久,YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进,检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析&#xff0

目标检测-基于轮廓字符计数

基于轮廓字符计数 1. 字符图片 2. 字符图片灰度化 将彩色图像转换成灰度图像,采用的灰度平均值法,公式为:H0.229R0.587G0.144B(opencv,BGR格式) 公式中 H表示灰度图