基于深度學(xué)習(xí)的紅外目標(biāo)檢測(cè)方法

蔡 娟

(廣州科技職業(yè)技術(shù)大學(xué) 信息工程學(xué)院，廣州 510005)

0 引言

遠(yuǎn)距離探測(cè)紅外小目標(biāo)在許多國(guó)防和反恐應(yīng)用中是一項(xiàng)至關(guān)重要的任務(wù)。在以往的研究中，傳統(tǒng)的檢測(cè)方法無法有效檢測(cè)復(fù)雜環(huán)境中的目標(biāo)[1]。因此，提出主要旨在提高紅外線的檢測(cè)精度。彈道修正引信上的小目標(biāo)。在各種檢測(cè)方法中，熱紅外成像是一種被動(dòng)模式有效檢測(cè)遠(yuǎn)距離小目標(biāo)。為了檢測(cè)紅外小目標(biāo)，研究人員開發(fā)了基于圖像處理和機(jī)器學(xué)習(xí)技術(shù)的多項(xiàng)開創(chuàng)性工作，包括濾波、人類視覺系統(tǒng)(HVS)和低秩表示。然而，這些傳統(tǒng)方法有一些局限性?；跒V波的方法，如頂帽濾波器[2]和最大中值/最大均值濾波器[3]，只能抑制均勻背景雜波，但不能抑制復(fù)雜背景噪聲，導(dǎo)致高誤報(bào)警率和性能不穩(wěn)定?；诠庾V殘差的方法[4]不能有效抑制背景中的雜波。基于局部對(duì)比度的方法[5]僅適用于高對(duì)比度目標(biāo)，而不是暗淡目標(biāo)?；诘椭缺硎镜姆椒蛇m用于低SCR的紅外圖像[6]，但在復(fù)雜背景中具有小且變化形狀目標(biāo)的圖像上仍然存在高誤報(bào)警率。除上述問題外，大多數(shù)傳統(tǒng)方法嚴(yán)重依賴手工制作的功能，這在處理具有挑戰(zhàn)性的案例時(shí)是次優(yōu)且無效的。此外，手工特征的設(shè)計(jì)和超參數(shù)的調(diào)整需要專家知識(shí)和大量工程努力。Lu等人[7]考慮到目標(biāo)檢測(cè)問題的復(fù)雜?？窄h(huán)境，采用了基于灰度腐蝕的邊緣提取算法，綜合利用灰度填充實(shí)現(xiàn)邊緣連接的目標(biāo)。同時(shí)，利用最大連通面積標(biāo)記法識(shí)別目標(biāo)。Dong等人[8]提出了一種自適應(yīng)形態(tài)學(xué)選擇方法，并將原始視覺注意模型中的圖像邊界顯著性衰減策略替換為邊界顯著性保留策略[9]。結(jié)合自適應(yīng)二值化方法，在海天條件下準(zhǔn)確檢測(cè)出小目標(biāo)。然而，上述方法容易受到云和島嶼的影響，這將導(dǎo)致小目標(biāo)檢測(cè)結(jié)果的漏報(bào)率更高。鄧等人[10]提出了一種通過多尺度模糊度量模型檢測(cè)嵌入復(fù)雜背景中的小紅外目標(biāo)的有效方法，該模型可測(cè)量圖像中目標(biāo)的確定性。首先利用模糊度量消除背景雜波和噪聲，然后采用簡(jiǎn)單的自適應(yīng)閾值分割目標(biāo)[11]。雖然該方法有效，但會(huì)受到高亮度噪聲的影響。

圖1 SSD網(wǎng)絡(luò)結(jié)構(gòu)圖

與可見圖像相比傳感器、雷達(dá)和激光[12]，紅外圖像傳感器具有抗干擾能力強(qiáng)、隱蔽性好、全天候工作的能力。文獻(xiàn)[13]設(shè)計(jì)了一個(gè)校正引信并為紅外圖像傳感器。但是，傳感器的重要參數(shù)沒有計(jì)算出來的。目標(biāo)是使紅外圖像傳感器和引信優(yōu)雅地融合在一起這有利于目標(biāo)檢測(cè)。彈道修正引信可以通過增加圓誤差概率(CEP)來降低對(duì)迫擊炮的校正功能，無需對(duì)彈丸進(jìn)行任何修改。一般來說，機(jī)載計(jì)算機(jī)根據(jù)檢測(cè)到的目標(biāo)方位角計(jì)算校正值[14]。最近，基于目標(biāo)特征的方法在各種目標(biāo)檢測(cè)任務(wù)中表現(xiàn)出了良好的性能，這些任務(wù)旨在構(gòu)建局部顯著性[15]。這些方法的主要思想是利用空間域中的局部信息構(gòu)建顯著圖，然后在顯著圖上通過閾值分割將紅外目標(biāo)與背景雜波區(qū)分開來。Han等人[16]提出IDoGb來增強(qiáng)圖像對(duì)比度，這種方法可以去除低頻雜波，但不能有效濾除高頻范圍內(nèi)的噪聲和強(qiáng)雜波[17]。Dong等人[18]介紹了一種改進(jìn)的VAM，它大大提高了目標(biāo)顯著性，但耗時(shí)。此外，根據(jù)目標(biāo)像素與相鄰像素之間的差異，許多方法都側(cè)重于基于局部對(duì)比度機(jī)制的目標(biāo)顯著性增強(qiáng)。例如，Chen等人[19]提出了局部對(duì)比度測(cè)量(LCM)，它適用于檢測(cè)具有高局部對(duì)比度的目標(biāo)。文獻(xiàn)[20]中，提出了改進(jìn)的LCM(ILCM)，將圖像劃分為多個(gè)子圖像塊來計(jì)算顯著圖。ILCM可以提高檢測(cè)性能，但在高亮度復(fù)雜背景條件下，檢測(cè)率較差。隨后，研究人員相繼提出了多種基于對(duì)比機(jī)制的紅外目標(biāo)檢測(cè)方法[21]，包括MPCM、NLCM、RLCM等[21]。例如，Wei等人[20]提出了MPCM來計(jì)算多尺度圖像塊的中心塊和背景之間的相似度。鄧等[22]利用局部熵對(duì)局部差異對(duì)比度進(jìn)行了修正，利用目標(biāo)與相鄰背景之間的局部灰度差異特性，實(shí)現(xiàn)了目標(biāo)增強(qiáng)和背景抑制。這些基于局部對(duì)比度的方法易于實(shí)現(xiàn)，但對(duì)背景復(fù)雜、雜波強(qiáng)的紅外圖像檢測(cè)性能較差，會(huì)導(dǎo)致較高的誤報(bào)率。為了解決這個(gè)問題，通過分析導(dǎo)數(shù)子帶特性和周圍區(qū)域的劃分方案，提出了基于多向?qū)?shù)的加權(quán)對(duì)比度測(cè)量(MDWCM)[23]來檢測(cè)紅外小目標(biāo)。然而，對(duì)于強(qiáng)風(fēng)條件下拍攝的紅外海洋圖像，強(qiáng)波的導(dǎo)數(shù)特性與小目標(biāo)相似，可能會(huì)導(dǎo)致嚴(yán)重的誤報(bào)。Zhao等人[24]提出了多形態(tài)輪廓(MMP)，以解決目標(biāo)弱小的紅外圖像中背景雜波強(qiáng)度高的問題。然而，對(duì)于一些背景高度復(fù)雜的紅外圖像，檢測(cè)性能可能會(huì)嚴(yán)重下降。

針對(duì)以上方法在紅外圖像檢測(cè)中背景復(fù)雜情況下亮度不足檢測(cè)效率低，依靠灰度和形狀特征區(qū)分目標(biāo)與雜波檢測(cè)困難等問題，提出一種基于密度-距離的最新檢測(cè)方法可以有效對(duì)復(fù)雜背景下紅外小目標(biāo)檢測(cè)方法[25]。如前所述，提出方法主要目標(biāo)是有效檢測(cè)小型紅外目標(biāo)在彈道修正引信的應(yīng)用中，并通過實(shí)驗(yàn)證明提出方法可以處理與長(zhǎng)距離、小變量大小相關(guān)的挑戰(zhàn)和真實(shí)紅外場(chǎng)景中的最小熱特征。 綜合性能是優(yōu)于現(xiàn)有方法。主要貢獻(xiàn)包括：受過濾方法的啟發(fā)，提出了一種新穎的二維密度-距離空間利用圖像信息獲取密度峰值像素。提出了一種新的像素生長(zhǎng)方法，有效抑制雜波。然后從密度峰值像素中選擇真實(shí)目標(biāo)。彈道修正引信的適用性[26]。特別是，提出方法相較于現(xiàn)有方法保持了在不增加處理時(shí)間的情況下具有良好的檢測(cè)性能。

圖2 密度-距離檢測(cè)方法網(wǎng)絡(luò)結(jié)構(gòu)圖

1 密度-距離檢測(cè)方法

1.1 細(xì)粒度檢測(cè)器

細(xì)顆粒探測(cè)器的網(wǎng)絡(luò)結(jié)構(gòu)與粗顆粒探測(cè)器相同。對(duì)于粗粒度檢測(cè)器，目標(biāo)可能存在于檢測(cè)結(jié)果置信水平小于P1但大于P2的區(qū)域。由于目標(biāo)太小或部分被遮擋，目標(biāo)的識(shí)別精度將定性降低。粗顆粒探測(cè)器主要在SSD的基礎(chǔ)上進(jìn)行改進(jìn)。原始SSD網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。在這種方法中，使用卷積層較少的AlexNet替換VGG16，并使用3×3替換AlexNets中較大的卷積內(nèi)核，以減少后續(xù)附加網(wǎng)絡(luò)層的數(shù)量。具體網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。采用雙三次采樣的超分辨率技術(shù)[27]對(duì)區(qū)域進(jìn)行切割，以提高區(qū)域的分辨率。然后將該區(qū)域發(fā)送到細(xì)粒度檢測(cè)器，以進(jìn)行進(jìn)一步的對(duì)象檢測(cè)。當(dāng)檢測(cè)結(jié)果的置信值大于閾值P1時(shí)，將標(biāo)記檢測(cè)結(jié)果。最終檢測(cè)結(jié)果結(jié)合了粗顆粒檢測(cè)儀和細(xì)顆粒檢測(cè)儀的檢測(cè)結(jié)果。此操作僅進(jìn)一步檢測(cè)粗糙粒子檢測(cè)器中難以檢測(cè)的區(qū)域，并且只添加少量計(jì)算。

1.2 紅外圖像傳感器與引信的連接

由于缺乏公共數(shù)據(jù)集，該領(lǐng)域的大多數(shù)最先進(jìn)方法仍然是高度依賴于目標(biāo)/背景假設(shè)的非學(xué)習(xí)和啟發(fā)式方法。通常，大多數(shù)研究人員將單幀檢測(cè)問題建模為各種假設(shè)下的離群點(diǎn)檢測(cè)，例如，顯著離群點(diǎn)[28]，低秩背景中的稀疏離群點(diǎn)，平滑背景中的突出離群點(diǎn)[29]。然后，可以通過顯著性檢測(cè)、稀疏和低秩矩陣/張量合成或局部對(duì)比度測(cè)量來獲得異常值圖。最后，在給定一定閾值的情況下，分割出紅外小目標(biāo)。當(dāng)前遇到的主要挑戰(zhàn)是不同目標(biāo)與成像系統(tǒng)之間的距離可能不同，因此紅外熱成像相機(jī)在實(shí)際檢測(cè)過程中接收不同的輻射能量。紅外圖像中捕獲的?？諈^(qū)域的目標(biāo)較小且模糊，更靠近成像系統(tǒng)的目標(biāo)更大且更清晰。結(jié)果，目標(biāo)不再具有單一特征。這給?？窄h(huán)境中的遠(yuǎn)程目標(biāo)檢測(cè)帶來了更大的挑戰(zhàn)。鑒于這種情況，查閱文獻(xiàn)后沒有具體的解決方案。因此，提出了一種新的紅外海天環(huán)境搜索系統(tǒng)策略，通過收集所需的實(shí)驗(yàn)數(shù)據(jù)并進(jìn)行分析，以實(shí)現(xiàn)準(zhǔn)確檢測(cè)任何目標(biāo)這些方法存在對(duì)場(chǎng)景變化的不充分可辨別性和超參數(shù)敏感性。當(dāng)迫擊炮飛行在末端彈道時(shí)，彈道參數(shù)和紅外圖像傳感器會(huì)直接影響檢測(cè)效果。因此，檢測(cè)算法應(yīng)基于校正引信和紅外圖像的工作流程傳感器。 表1列出了常規(guī)迫擊炮彈道參數(shù)和彈道參數(shù)選用的紅外圖像傳感器。

根據(jù)迫擊炮彈道方程，末端飛行時(shí)間一般為探測(cè)距離為1 500 m，發(fā)射角為53°時(shí)，8 s內(nèi)明顯地，這個(gè)時(shí)間對(duì)于高FPS的算法來說已經(jīng)足夠了。然而，大部分時(shí)間都花在機(jī)載計(jì)算機(jī)計(jì)算和軌跡修正，留下很短的時(shí)間用于目標(biāo)檢測(cè)[30]。同時(shí)，在末端軌跡開始時(shí)，俯仰彈丸的角度在積分

表1 紅外圖像傳感器參數(shù)

時(shí)間內(nèi)迅速變化。這導(dǎo)致改變視野的背景。因此，經(jīng)典的幀差法不應(yīng)應(yīng)用使用時(shí)域。合適的方法是檢測(cè)目標(biāo)單個(gè)圖像。值得注意的是，在提出模型，紅外圖像傳感器的參數(shù)選擇基于在目標(biāo)的大小，在目標(biāo)之間的溫差的前提下并且可以檢測(cè)到背景。由于大多數(shù)電流的檢測(cè)范圍非制冷凝視微測(cè)輻射熱計(jì)遠(yuǎn)大于1 500 m，紅外小目標(biāo)在終端軌跡上的視野中清晰可見。然而，與導(dǎo)彈不同的是，迫擊炮發(fā)射階段造成的過載會(huì)損壞鏡頭組件。所以，使用穩(wěn)定的同軸球面透鏡組件。之間的轉(zhuǎn)換關(guān)系紅外圖像傳感器和目標(biāo)計(jì)算如下：

(1)

(2)

(3)

其中:f是紅外成像儀的焦距，R和H是檢測(cè)距離，目標(biāo)的大小，h是像素陣列上可檢測(cè)目標(biāo)的像素大小。這根據(jù)Johnson Criteria 的檢測(cè)程度，目標(biāo)大小設(shè)置為1-line pair。選擇光譜帶7.5～13.5 μm的長(zhǎng)波傳感器，因?yàn)闊崮繕?biāo)發(fā)射的波長(zhǎng)約為8～14 μm。Fovcol和Fovrow是垂直和水平視野,n、m和d代表數(shù)組格式和單個(gè)像素尺寸。這些參數(shù)用于計(jì)算等效檢測(cè)實(shí)驗(yàn)紅外圖像傳感器。一般來說，引信需要檢測(cè)不同大小的多個(gè)目標(biāo)[31]。此外，由于檢測(cè)距離長(zhǎng)，目標(biāo)通常只包含幾個(gè)像素，并且不超過圖像大小的0.15%。因此，紅外小目標(biāo)檢測(cè)提出了基于單幅圖像的算法。該算法不應(yīng)受到影響目標(biāo)大小和背景。

1.3 自適應(yīng)像素增長(zhǎng)

值得注意的是，真實(shí)目標(biāo)的檢測(cè)很容易混淆，其中一些密度峰值位于某些背景區(qū)域的邊緣。 因此，自適應(yīng)像素增長(zhǎng)(APG)算法用于消除虛假目標(biāo)以保留真實(shí)目標(biāo)。APG方法類似于區(qū)域增長(zhǎng)的方法。 每個(gè)候選目標(biāo)(像素)是被視為“種子”，由Tk(x,y) 表示，其中k是候選種子獲得的數(shù)量，(x,y)是像素的坐標(biāo)。種子朝八字的方向生長(zhǎng)相鄰的連接像素。 生長(zhǎng)條件取決于灰度差異種子與其相鄰像素之間。 當(dāng)差值小于閾值時(shí)，種子長(zhǎng)一級(jí)，否則停止生長(zhǎng)。用Th來表示自適應(yīng)限制種子生長(zhǎng)的閾值，如式(4)和(5)所示：

(4)

Pk(i,j)={(i,j)|x-m≤i≤x+m,y-n≤

j≤y+n,m2+n2≠0}

(5)

圖3 APG方法的過程

2 實(shí)驗(yàn)與分析

本節(jié)首先對(duì)紅外圖像傳感器的參數(shù)進(jìn)行驗(yàn)證，以確保表明校正引信可以清晰地捕獲紅外目標(biāo)。 然后，通過仿真實(shí)驗(yàn)驗(yàn)證提出方法的有效性、穩(wěn)健性和實(shí)時(shí)性能。有兩個(gè)關(guān)鍵參數(shù)需要設(shè)置在接下來的實(shí)驗(yàn)中。 首先，n設(shè)置為5，因?yàn)槟繕?biāo)的數(shù)量檢測(cè)到的一般不超過5。那么，對(duì)于一個(gè)有幾個(gè)像素的小目標(biāo)，種子周圍的相鄰像素的生長(zhǎng)方向通常為3～5，占據(jù)8個(gè)方向的40～60%。 因此，η設(shè)置為0.4以限制真實(shí)的增長(zhǎng)區(qū)域目標(biāo)。 在以下所有實(shí)驗(yàn)中，不需要任何進(jìn)一步的參數(shù)更改。

2.1 紅外圖像傳感器檢測(cè)能力等效實(shí)驗(yàn)

算法驗(yàn)證的前提是紅外成像儀能夠清晰觀察紅外小目標(biāo)。 為此，應(yīng)考慮等效尺寸和溫差。使用 FLIR紅外成像儀實(shí)驗(yàn)參數(shù)與表2 相同。 與一個(gè)連接的車輛模型用導(dǎo)電板代替紅外靶材。 溫度s傳感器由電池供電，通過其與導(dǎo)電板連接自己的溫度計(jì)。當(dāng)周圍環(huán)境溫度T0已知時(shí)，溫度傳感器可以控制導(dǎo)電板的溫度T1保持溫差(T1-T0)。搭載紅外圖像傳感器由無人機(jī)實(shí)現(xiàn)遠(yuǎn)距離探測(cè)。顯示了實(shí)驗(yàn)條件在表2。

表2 實(shí)驗(yàn)條件

根據(jù)數(shù)據(jù)，坦克的尺寸特征為2.3 m，紅外線的尺寸目標(biāo)模型為0.1 m。 相應(yīng)地，當(dāng)實(shí)際檢測(cè)距離為1 500 m時(shí)，等效距離不應(yīng)小于65 m。 同樣，溫差也應(yīng)該是等價(jià)的，但它與檢測(cè)距離不是線性的。它需要是乘以大氣透射系數(shù)τa。 在參考文獻(xiàn)[8]中，范圍云量差的情況下，τa為0.3～0.7。 因此，τa設(shè)置為0.5，基于平均來說。 對(duì)于地面環(huán)境，當(dāng)兩地溫差車輛目標(biāo)和周圍環(huán)境平均為15 K，相當(dāng)于溫差為7 K。

2.2 仿真結(jié)果分析

為了驗(yàn)證算法的有效性，在研究過程中建立了仿真數(shù)據(jù)庫(kù)。通過對(duì)已識(shí)別的目標(biāo)和干擾進(jìn)行半自動(dòng)人工標(biāo)注，獲得大量目標(biāo)和干擾樣本數(shù)據(jù)集。為了提高模型的泛化能力，在樣本的選擇中綜合考慮了各種環(huán)境因素。從每個(gè)場(chǎng)景中選擇適當(dāng)比例的正樣本和負(fù)樣本，用保留法構(gòu)建訓(xùn)練集(70%)和測(cè)試集(30%)。為了真實(shí)有效地評(píng)估算法的性能，選取具有代表性環(huán)境因素的圖像進(jìn)行測(cè)試，并將傳統(tǒng)算法的檢測(cè)概率與現(xiàn)有算法的檢測(cè)概率進(jìn)行比較。提出算法檢測(cè)概率定義為：

(6)

其中:Na是圖像序列中檢測(cè)到的真實(shí)目標(biāo)的數(shù)量；Nb是圖像序列中目標(biāo)的實(shí)際數(shù)量。 在目標(biāo)分類中，研究人員關(guān)注現(xiàn)有目標(biāo)的識(shí)別效果，識(shí)別率一般指檢測(cè)率。 在滿足要求的前提下，最大限度地提高了算法的檢測(cè)率，天空背景檢測(cè)率高達(dá)99%。

表3 不同復(fù)雜度場(chǎng)景的信噪比和檢測(cè)概率

2.3 算法模擬

為了用新算法進(jìn)行比較，即Top-Hat 方法，最少平方支持向量機(jī)方法(LS-SVM)[38]，基于高升壓的多尺度局部對(duì)比度測(cè)量(HBMLCM)，多尺度相對(duì)局部對(duì)比度測(cè)量(RLCM) 、多尺度基于補(bǔ)丁的對(duì)比度測(cè)量 (MPCM)和最小高斯的局部拉普拉斯(MinLocalLoG)。使用了接收器操作符特征(ROC) 曲線來比較算法的效果。 ROC 是由真陽(yáng)性率(TPR)和假陽(yáng)性率(FPR)，如下：

(7)

(8)

(a～e)是5個(gè)不同序列的比較結(jié)果，其中每個(gè)序列有200幀;(f)是序列2中的任何一幀圖像，主要用于具體解釋提出方法AUC值低的原因。圖4 不同算法的ROC曲線與相應(yīng)AUC值的相關(guān)性

ROC曲線以FPR為橫坐標(biāo)，TPR為縱坐標(biāo)，從而提供檢測(cè)性能的定量比較。同時(shí)，該地區(qū)曲線下面積(AUC)是ROC曲線和橫坐標(biāo)軸所包含的面積和縱坐標(biāo)。準(zhǔn)備了5個(gè)不同的200幀數(shù)據(jù)集進(jìn)行評(píng)估。每一幀只有一個(gè)具有相應(yīng)坐標(biāo)的真實(shí)目標(biāo)。為了被認(rèn)為是正確的結(jié)果，檢測(cè)到的目標(biāo)必須與真實(shí)目標(biāo)的坐標(biāo)相同。檢出率可視為AUC值，即在200幀中檢測(cè)到的真實(shí)目標(biāo)的數(shù)量。同時(shí)，AUC值越高在一幀中檢測(cè)真實(shí)目標(biāo)的性能更好。圖4顯示了ROC曲線和AUC值。紅色虛線代表提出的算法。從所有ROC曲線可以看出，所提出的算法一般具有較高的檢測(cè)精度。在序列3～5中，提出方法AUC值算法幾乎接近1。但是，序列2的檢測(cè)精度并不理想。這是由于更多的雜波和較低的目標(biāo)灰度。例如，第二個(gè)序列圖10 f中的雜波多，面積小，嚴(yán)重干擾像素增長(zhǎng)的步驟。提出方法的AUC值為6.02-5和9.03×10-5降低高于HBMLCM和LS-SVM。因此，提出方法的檢測(cè)率略低比 LS-SVM和HBMLCM差，但優(yōu)于其他4種算法。然后，進(jìn)行了運(yùn)行時(shí)間測(cè)試。比較了時(shí)間消耗所有算法通過計(jì)算每個(gè)序列的200幀的平均時(shí)間，如所列。雖然提出算法的運(yùn)行時(shí)間比其他4個(gè)慢算法，它不超過一個(gè)數(shù)量級(jí)并且具有更好的性能。總平均運(yùn)行時(shí)間列在表的底部的運(yùn)行時(shí)間所提出的方法幾乎等于 MPCM 的方法。與 MinLocalLog 相比，LS_SVM、HBMLCM 和 MPCM，提出算法的運(yùn)行時(shí)間更多，分別為0.005 7、0.009 6、0.003 1和0.000 6 s，但仍處于同一數(shù)量級(jí)。 Top-Hat跑得最短時(shí)間，比所提出的算法低約3倍。 RLCM 擁有最大的計(jì)算量，超過大多數(shù)方法2個(gè)數(shù)量級(jí)。

3 結(jié)束語(yǔ)

提出方法的創(chuàng)新體現(xiàn)在以下兩個(gè)方面:利用真實(shí)紅外圖像建立自己的數(shù)據(jù)庫(kù)，將深度學(xué)習(xí)技術(shù)應(yīng)用于紅外弱小目標(biāo)檢測(cè);提出設(shè)置了兩個(gè)閾值來引導(dǎo)粗粒和細(xì)粒探測(cè)器。該檢測(cè)器緩解了在目標(biāo)檢測(cè)任務(wù)中設(shè)置單一閾值的高要求。3個(gè)實(shí)驗(yàn)驗(yàn)證了所提方法的魯棒性、有效性和適用性，并驗(yàn)證了紅外圖像傳感器參數(shù)的正確性?？朔h(yuǎn)程檢測(cè)的挑戰(zhàn)。其次，仿真表明該方法具有較好的抗噪聲檢測(cè)、多目標(biāo)檢測(cè)和各種小目標(biāo)檢測(cè)能力。同時(shí)，與6種最先進(jìn)的算法相比，提出方法通過5種不同序列的ROC曲線和運(yùn)行時(shí)間顯示出了完美的檢測(cè)精度和可接受的時(shí)間消耗。在控制虛警率的同時(shí)，大大提高了紅外弱小目標(biāo)的檢測(cè)概率，在光電系統(tǒng)的目標(biāo)檢測(cè)過程中具有較強(qiáng)的實(shí)用性。