![](https://img-blog.csdnimg.cn/direct/c472bb75e7c64da1b7547f51940f06f5.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
红外图像小目标检测关键技术
文章平均质量分 58
关于红外图像处理的基础知识及红外小目标检测关键技术的研究
Hilary煜
但行好事,莫问前程。
展开
-
ROC-AUC学习笔记
AUC值为ROC曲线所覆盖的区域面积,显然,AUC越大,分类器分类效果越好。原创 2024-06-06 09:50:04 · 91 阅读 · 0 评论 -
LCM局部对比度检测原理(学习笔记)
我们知道这个kernel是在图片上进行滑动的,那么他一直滑啊滑,终于有一天,这个kernel的正中央(0号区域)滑到了目标的位置,这样,0号区域中的灰度和周围8领域的灰度差异就显现出来了。此时,通过contrast的计算方法,我们可以分别计算出1-8号区域与0号区域的contrast,也就分别代表了0号区域的灰度与其他区域之间的灰度差异。公式里,i代表1-8号区域的序号,N是每个区域内像素点的总数,j代表每个区域内像素点的序号,I代表像素点的灰度值。之前我们说过,我们要定量的描述目标和背景之间灰度的差异。原创 2024-04-01 14:58:42 · 894 阅读 · 0 评论 -
关于数字特征(学习笔记)
灰度图像的方差是衡量图像中像素值分散程度的一个重要参数,它可以帮助评估图像的噪声水平和模糊度。具体来说,方差越大,表明图像中的灰度变化越剧烈,通常意味着图像包含更多的细节和纹理,可能的噪声也越多;例如,在图像处理中,高方差的区域可能对应于边缘或纹理区域,而低方差的区域则可能是平滑或均匀的区域。因为异常值与平均值的距离通常比较远,会导致数据的离散程度变大。因此,在处理数据集时,需要针对异常值进行特殊处理,以避免它们对数据的统计分析造成影响。通常情况下,标准差越小,说明数据点越聚集在平均值附近,数据越稳定;原创 2024-03-12 14:04:23 · 385 阅读 · 1 评论 -
红外小目标检测数据分析Infrared Small Target Detection Data Analysis
除了水面上的目标外,海洋中还可能存在水下目标,例如潜艇、水下无人航行器等,这些目标的红外特性与水面上的目标有所不同,需要特殊的检测和识别技术。: 天空的天气条件如晴天、多云、雨天等会影响红外图像的质量和目标的检测能力,不同的天气条件下红外小目标的识别难度可能会有所不同。: 有时候,红外小目标与周围环境的温度差异并不十分明显,这可能导致目标与背景的对比度较低,增加了目标的检测和识别难度。: 天空背景下的红外小目标受到天气条件的影响,如晴天、多云、雨天等不同的天气条件会影响红外图像的质量和目标的检测能力。原创 2024-03-06 15:13:37 · 472 阅读 · 0 评论 -
拉普拉斯算子(学习笔记)
一种,与其它边缘检测方法的不同之处在于,该方法是一种的检测方法,即其边缘的增强程度与边缘的方向无关,从而可以满足不同走向的边缘锐化的要求。表示为:拉普拉斯算子(二阶微分算子)不具备噪声敏感性,且会产生双边缘和不能检测到边缘的方向。原创 2024-03-05 10:44:05 · 442 阅读 · 0 评论 -
红外小目标检测指标(Infrared Small Target Detection Evaluation Metrics)学习心得
它通过描绘不同阈值下的真正例率(True Positive Rate,TPR)和假正例率(False Positive Rate,FPR)来展示分类器的表现。此外,ROC曲线下的面积(Area Under the Curve,AUC)可以量化分类器的整体性能,AUC值越接近1,表示分类器的性能越好。曲线上的每一个点都对应着一个特定的分类阈值,从而反映出分类器在不同阈值下的敏感性和特异性。是真正例率(TPR):表示检测到的真目标是实际目标的可能性,称为虚警比。描述算法处理后目标增强的显著性;原创 2024-03-03 14:15:54 · 789 阅读 · 0 评论 -
局部对比度和区域显著性红外弱小目标检测LCM(学习笔记)
https://blog.csdn.net/wuyanxue/article/details/122116336?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170856355216800188552896%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=170856355216800188552896&biz_id=0&utm_medium原创 2024-02-22 09:22:20 · 704 阅读 · 1 评论 -
Fast-saliency算法(学习笔记)
论文出自:[1] S. Qi, G. Xu, Z. Mou, D. Huang, and X. Zheng, "A fast-saliency method for real-time infrared small target detection," Infrared Phys Techn, vol. 77, pp. 440-450, Jul 2016.由于红外图像的距离较远,目标在红外图像中所占像素非常少,且通常存在随机噪声和非平稳杂波,缺乏足够的结构信息来进行检测和匹配。检测准确度高,速度快。原创 2024-01-16 14:33:35 · 253 阅读 · 0 评论