红外小目标检测之LCM与MPCM

红外小目标检测方法之LCM与MPCM

LCM（局部对比度方法）2013

一：算法流程

1 ：计算局部对比度：

将一个patch分为9个cell，其中0代表目标可能会出现的区域，如下图所示：

分别计算0-8cell内的灰度均值：

计算区域0 内的灰度最大值L_n，与其余区域的均值作除法，得到不同方向上的对比度，为了增强目标，定义局部对比度C_n如下：得到一张与原图大小一样的对比度图

2： 多尺度局部对比度：计算不同尺寸patch下的局部对比度图，在每一个像素位置都取最大的对比度作为最终结果。

注：目标区域不超过80个像素

3：阈值分割：阈值根据图像灰度均值与标准差决定，其中K是经验值，文章建议取3-5。

二：实验结果即分析

LCM可以实现目标加强和背景抑制，对一般的红外小目标检测可以快速高效的检测，但是LCM默认目标比背景亮很多（但是有些图像不一定满足该条件），当一些目标与背景灰度值差异不大且有噪声的时候，目标容易被噪声淹没。
检测效果较好案例：



漏检情况：

MPCM(多尺度块对比度方法)2016

一：算法流程

1：计算PCM

计算PCM最主要依靠滤波可以快速得到。
块划分如下：

根据以下三个公式计算出每个位置处的PCM(四个方向上的d_i，保留最小值。)

2:多尺度块对比度

与LCM类似。需要注意最大尺度仍然不超过80（9×9）。

3：阈值分割：与LCM相同，只是K建议取值3-14。

二：实验结果即分析

MPCM是LCM的改进，主要改进在可以同时增强比背景强和比背景弱的目标，准确率要更高，速度也更快。检测结果受K值影响较大，可能会因为K值设置导致漏检或者多检。

检测结果较好案例：

目标被淹没情况：对于噪点较多，且目标没有与背景有较大灰度差时，目标被完全淹没

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！