·322· 智能系统学报 第17卷 序列均被测试，分别添加了方差为1、2、3、4和 后，本文算法性能仅略有下降，这意味着算法对 5的高斯白噪声。从图9可以看出，在添加噪声 噪声具有良好的鲁棒性。 1.0 1.0c 1.0r 0.8 0.8 0.8 VAR 0.6 VAR 0.6 VAR 0.4 0.4 0.4 0.2 VAR 0.2 0.2 VAR VAR=5 VAR=5 VAR=5 10 0.20.40.60.8 1.0 0.5 1.0 1.5 30*10 2 FPR FPR FPR (a)序列1 (b)序列2 (c)序列3 1.0 1.0 1.0 0.8 0.8 08 0.6 0.6 0.4 0.4 0.4 02 0.2 0.2 VAR=S VAR= 10-s ×105 ×10 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 FPR FPR FPR (d序列4 (e)序列5 ()序列6 图9多种噪声级别影响下的ROC曲线 Fig.9 ROC curves under different levels of noises 5结束语 参考文献： 本文提出了一种用于红外小目标检测的局 [1]LEUNG H.YOUNG A.Small target detection in clutter 部对比度新方法BE-RDLCM。首先，引入背景估 using recursive nonlinear prediction[J].IEEE transac- 计的思想，以得到更准确的基准背景值，并提出 tions on aerospace and electronic systems,2000,36(2): 了一种采用双层窗口的最大均值背景估计算法。 713-718 然后，在原始输入图像和估计的背景之间提出了 [2] GAO Chengiang,ZHANG Tianqi,LI Qiang.Small in- 种比差联合局部对比度度量算法，在增强真实 frared target detection using sparse ring representation[J]. 目标的同时抑制不同类型的复杂背景。对包含 IEEE aerospace and electronic systems magazine,2012, 不同背景类型和不同目标大小的6个真实红外序 273):21-30. 列进行了实验，证明了该算法的有效性和鲁棒 [3] KIM S.Target attribute-based false alarm rejection in 性。与现有的6种主流检测算法相比，该算法在 small infrared target detection[Cl//Proceedings of SPIE 检测率和虚警率上均能取得较好性能，同时具有 8537,Image and Signal Processing for Remote Sensing 良好的抗噪声能力。本文的贡献可以总结如下： XVIII.Edinburgh,United Kingdom,2012:85370G. 1)提出了一种新的局部对比度计算框架。在该框 [4] HAN Jinhui,MA Yong,ZHOU Bo,et al.A robust in- 架中，引入了背景估计的思想，以当前位置的估 frared small target detection algorithm based on human 计背景为基准值。该基准值用于计算当前位置的 visual system[J].IEEE geoscience and remote sensing let- 局部对比度，从而可以在复杂背景下得到更准确 ters,2014,11(12):2168-2172 的局部对比度信息。2)提出了一种新的最大均值 [5]ZHANG Biyin,ZHANG Tianxu,CAO Zhigiang,et al. 背景估计算法，该算法更适合于小目标检测。这 Fast new small-target detection algorithm based on a 里主要采用双层窗口，内层窗口用于遮盖小目 modified partial differential equation in infrared clutter[J]. 标，外层窗口被分为八个方向以抑制背景边缘。 Optical engineering,2007,46(10):106401. 3)在原始输入图像和估计背景之间提出了比差联 [6]QI Baojun,WU Tao,HE Hangen.Robust detection of 合局部对比度度量。它可以增强不同大小的真实 small infrared objects in maritime scenarios using local 目标并同时抑制各种类型的复杂背景，而无需预 minimum patterns and spatio-temporal context[J].Optic- 处理。 al engineering,2012,51(2):027205.序列均被测试，分别添加了方差为 1、2、3、4 和 5 的高斯白噪声。从图 9 可以看出，在添加噪声 后，本文算法性能仅略有下降，这意味着算法对 噪声具有良好的鲁棒性。 VAR=0 VAR=1 VAR=2 VAR=3 VAR=4 VAR=5 VAR=0 VAR=1 VAR=2 VAR=3 VAR=4 VAR=5 VAR=0 VAR=1 VAR=2 VAR=3 VAR=4 VAR=5 VAR=0 VAR=1 VAR=2 VAR=3 VAR=4 VAR=5 VAR=0 VAR=1 VAR=2 VAR=3 VAR=4 VAR=5 VAR=0 VAR=1 VAR=2 VAR=3 VAR=4 VAR=5 1.0 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1.0 TPR FPR ×10−4 (a) 序列 1 FPR ×10−5 1.0 0.8 0.6 0.4 0.2 0 0.5 1.0 1.5 2.0 TPR (b) 序列 2 1.0 0.8 0.6 0.4 0.2 0 1 2 3 4 TPR FPR ×10−5 (c) 序列 3 FPR ×10−5 (d) 序列 4 1.0 0.8 0.6 0.4 0.2 0 0.5 1.0 1.5 2.0 TPR 1.0 0.8 0.6 0.4 0.2 0 0.5 1.0 1.5 2.0 TPR FPR ×10−5 (e) 序列 5 1.0 0.8 0.6 0.4 0.2 0 1 2 3 4 5 TPR FPR ×10−5 (f) 序列 6 图 9 多种噪声级别影响下的 ROC 曲线 Fig. 9 ROC curves under different levels of noises 5 结束语 本文提出了一种用于红外小目标检测的局 部对比度新方法 BE-RDLCM。首先，引入背景估 计的思想，以得到更准确的基准背景值，并提出 了一种采用双层窗口的最大均值背景估计算法。 然后，在原始输入图像和估计的背景之间提出了 一种比差联合局部对比度度量算法，在增强真实 目标的同时抑制不同类型的复杂背景。对包含 不同背景类型和不同目标大小的 6 个真实红外序 列进行了实验，证明了该算法的有效性和鲁棒 性。与现有的 6 种主流检测算法相比，该算法在 检测率和虚警率上均能取得较好性能，同时具有 良好的抗噪声能力。本文的贡献可以总结如下： 1) 提出了一种新的局部对比度计算框架。在该框 架中，引入了背景估计的思想，以当前位置的估 计背景为基准值。该基准值用于计算当前位置的 局部对比度，从而可以在复杂背景下得到更准确 的局部对比度信息。2) 提出了一种新的最大均值 背景估计算法，该算法更适合于小目标检测。这 里主要采用双层窗口，内层窗口用于遮盖小目 标，外层窗口被分为八个方向以抑制背景边缘。 3) 在原始输入图像和估计背景之间提出了比差联 合局部对比度度量。它可以增强不同大小的真实 目标并同时抑制各种类型的复杂背景，而无需预 处理。 参考文献： LEUNG H, YOUNG A. Small target detection in clutter using recursive nonlinear prediction[J]. IEEE transac￾tions on aerospace and electronic systems, 2000, 36(2): 713–718. [1] GAO Chenqiang, ZHANG Tianqi, LI Qiang. Small in￾frared target detection using sparse ring representation[J]. IEEE aerospace and electronic systems magazine, 2012, 27(3): 21–30. [2] KIM S. Target attribute-based false alarm rejection in small infrared target detection[C]//Proceedings of SPIE 8537, Image and Signal Processing for Remote Sensing XVIII. Edinburgh, United Kingdom, 2012: 85370G. [3] HAN Jinhui, MA Yong, ZHOU Bo, et al. A robust in￾frared small target detection algorithm based on human visual system[J]. IEEE geoscience and remote sensing let￾ters, 2014, 11(12): 2168–2172. [4] ZHANG Biyin, ZHANG Tianxu, CAO Zhiqiang, et al. Fast new small-target detection algorithm based on a modified partial differential equation in infrared clutter[J]. Optical engineering, 2007, 46(10): 106401. [5] QI Baojun, WU Tao, HE Hangen. Robust detection of small infrared objects in maritime scenarios using local minimum patterns and spatio-temporal context[J]. Optic￾al engineering, 2012, 51(2): 027205. [6] ·322· 智 能 系 统 学 报 第 17 卷