赵爱罡等：基于非线性局部滤波的红外小目标检测方法 ·1657· 表2非线性局部滤波检测实验 Table 2 Experiment of nonlinear local filter detection 组序 (a晴空背景 b)云杂波背景 (©)浓云背景 (d海天线背景 e)海杂波背景 回2 8✉ 屬 3 检 检测结果显 表3不同算法对表2中小目标进行检测后的LSNR和LSNRG值 Table 3 LSNR and LSNRG values of several small target detection algorithms for Table 2 LSNR LSNRG 小目标 Tophat MaxMean ILCM RDL NLF Tophat MaxMean ILCM RDL NLF 2.87 2.14 3.47 4.15 14.28 2.31 2.64 3.48 4.58 9.25 2.96 2.01 2.97 4.89 12.58 2.01 2.97 3.48 4.21 10.87 3 1.97 1.01 2.84 5.92 13.45 1.03 3.14 4.87 5.98 9.18 4 3.05 2.70 4.58 6.87 5.98 3.15 4.98 5.12 5.41 5.10 3.01 3.49 5.79 9.15 13.89 4.58 5.98 5.79 9.12 13.45 6 1.02 1.02 2.36 3.01 17.15 2.01 3.15 6.15 7.19 19.15 1.83 1.85 2.94 3.19 15.26 2.82 3.14 5.01 6.19 18.01 8 2.04 3.01 4.54 6.07 11.05 3.01 4.59 6.15 7.06 10.59 3.15 4.58 1.05 6.25 9.87 2.93 5.92 6.01 8.06 9.81 示.由表3可以看到，在各种检测算法中，文中非线性 EA六 (12) 局部滤波检测算法得到的LSNR和LSNRG大都为最 大值，检测性能在各种复杂环境下表现相当，鲁棒性较 式中，N,为正确检测目标的数目，N为实际目标的数 好，其余算法对各种背景检测效果差异较大，说明非线 目，N.错误检测目标的数目，N序列中图像的帧数. 性局部滤波检测算法检测算法适用性较好 表4显示各种算法的检测结果，通过设定合适的 检测率和虚警率是一对矛盾指标.实际应用中， 阈值对处理后得到的结果进行阈值分割，使得每组图 首先要保证检测率，与此同时采取措施降低虚警率，检 像序列中，各种检测算法的检测率大致相等，且均大于 测率和虚警率定义如下： 92%,统计各种算法的计算时间和虚警率.由结果可 N. 知，本文算法具有较低的虚警概率，能对大部分虚假目 (11) 标进行识别，其余滤波算法具有较高的虚警率，因为缺赵爱罡等: 基于非线性局部滤波的红外小目标检测方法 表 2 非线性局部滤波检测实验 Table 2 Experiment of nonlinear local filter detection 表 3 不同算法对表 2 中小目标进行检测后的 LSNＲ 和 LSNＲG 值 Table 3 LSNＲ and LSNＲG values of several small target detection algorithms for Table 2 小目标 LSNＲ LSNＲG Tophat MaxMean ILCM ＲDL NLF Tophat MaxMean ILCM ＲDL NLF 1 2. 87 2. 14 3. 47 4. 15 14. 28 2. 31 2. 64 3. 48 4. 58 9. 25 2 2. 96 2. 01 2. 97 4. 89 12. 58 2. 01 2. 97 3. 48 4. 21 10. 87 3 1. 97 1. 01 2. 84 5. 92 13. 45 1. 03 3. 14 4. 87 5. 98 9. 18 4 3. 05 2. 70 4. 58 6. 87 5. 98 3. 15 4. 98 5. 12 5. 41 5. 10 5 3. 01 3. 49 5. 79 9. 15 13. 89 4. 58 5. 98 5. 79 9. 12 13. 45 6 1. 02 1. 02 2. 36 3. 01 17. 15 2. 01 3. 15 6. 15 7. 19 19. 15 7 1. 83 1. 85 2. 94 3. 19 15. 26 2. 82 3. 14 5. 01 6. 19 18. 01 8 2. 04 3. 01 4. 54 6. 07 11. 05 3. 01 4. 59 6. 15 7. 06 10. 59 9 3. 15 4. 58 1. 05 6. 25 9. 87 2. 93 5. 92 6. 01 8. 06 9. 81 示． 由表 3 可以看到，在各种检测算法中，文中非线性 局部滤波检测算法得到的 LSNＲ 和 LSNＲG 大都为最 大值，检测性能在各种复杂环境下表现相当，鲁棒性较 好，其余算法对各种背景检测效果差异较大，说明非线 性局部滤波检测算法检测算法适用性较好． 检测率和虚警率是一对矛盾指标． 实际应用中， 首先要保证检测率，与此同时采取措施降低虚警率，检 测率和虚警率定义如下: PD = Nr NT ， ( 11) PFA = Nw Ni ． ( 12) 式中，Nr 为正确检测目标的数目，NT 为实际目标的数 目，Nw 错误检测目标的数目，Ni 序列中图像的帧数． 表 4 显示各种算法的检测结果，通过设定合适的 阈值对处理后得到的结果进行阈值分割，使得每组图 像序列中，各种检测算法的检测率大致相等，且均大于 92% ，统计各种算法的计算时间和虚警率． 由结果可 知，本文算法具有较低的虚警概率，能对大部分虚假目 标进行识别，其余滤波算法具有较高的虚警率，因为缺 ·1657·