·1656 工程科学学报，第38卷，第11期 表1非线性局部滤波检测过程 Table 1 Procedure of nonlinear local filter detection 果 (a原图像 b)高斯图像 (c平坦区域抑制 d边缘抑制 (©检测结果 河道背景及1 图 云杂波背景及3 图 海面背景及 表2(a)、表2(b)和表2(d)，,这三组小目标红外图像 s资 (9) 符合算法的基本假设，对平坦区域和边缘区域均能有 效抑制.对局部波动杂乱无规律的表2(c)和表2(e), 式中：M为目标最大灰度值；M。目标邻域内最大的灰 由检测的三维显示图可知，检测图中小目标的局部对 度值，邻域取小目标区域的2倍大小.局部信噪比增 比度依然很高，不存在漏检的情况，但在变化快速的海 益是算法处理前后局部信噪比的比值，定义如下： 杂波和浓云背景下，有局部突起不符合本算法的假设， ISNR 存在少量虚警的情况. LSNRG=ISNR (10) 局部信噪比是衡量小目标检测难易程度的物理 式中，LSNR,LSNR分别代表算法处理前和处理后的 量，信噪比越高，小目标越突出，检测比较容易，局部信 小目标局部信噪比. 噪比增益衡量算法对小目标局部信噪比的影响，局部 表3为表2中五组红外小目标图像序列的检测结 信噪比增益越大，说明算法能促进小目标的检测，算法 果，各图像序列均为50帧，小目标的LSNR和LSNRG 性能比较优越小目标的局部信噪比定义如下： 均为50帧检测结果的平均值，指标最优值均以粗体表工程科学学报，第 38 卷，第 11 期 表 1 非线性局部滤波检测过程 Table 1 Procedure of nonlinear local filter detection 表 2( a) 、表 2( b) 和表 2( d) ，这三组小目标红外图像 符合算法的基本假设，对平坦区域和边缘区域均能有 效抑制． 对局部波动杂乱无规律的表 2( c) 和表 2( e) ， 由检测的三维显示图可知，检测图中小目标的局部对 比度依然很高，不存在漏检的情况，但在变化快速的海 杂波和浓云背景下，有局部突起不符合本算法的假设， 存在少量虚警的情况． 局部信噪比是衡量小目标检测难易程度的物理 量，信噪比越高，小目标越突出，检测比较容易，局部信 噪比增益衡量算法对小目标局部信噪比的影响，局部 信噪比增益越大，说明算法能促进小目标的检测，算法 性能比较优越． 小目标的局部信噪比定义如下: LSNＲ = MT MB ． ( 9) 式中: MT 为目标最大灰度值; MB 目标邻域内最大的灰 度值，邻域取小目标区域的 2 倍大小． 局部信噪比增 益是算法处理前后局部信噪比的比值，定义如下: LSNＲG = LSNＲout LSNＲin ． ( 10) 式中，LSNＲout，LSNＲin分别代表算法处理前和处理后的 小目标局部信噪比． 表 3 为表 2 中五组红外小目标图像序列的检测结 果，各图像序列均为 50 帧，小目标的 LSNＲ 和 LSNＲG 均为 50 帧检测结果的平均值，指标最优值均以粗体表 ·1656·