红外小目标检测中ROC曲线的绘制

---

前言

ROC曲线是红外小目标检测方法文章中最常见的指标之一。ROC曲线在目标检测文章中常常出现，但是对于红外小目标检测来说，由于红外小目标结果判定界限不清楚，所以其ROC曲线的意义与目标检测中常见ROC曲线的又有所不同。

一、一般目标检测中ROC的意义

受试者工作特征曲线 (receiver operating characteristic curve，简称ROC曲线)，又称为感受性曲线(sensitivity curve)。
ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。

https://www.cnblogs.com/gatherstars/p/6084696.html

它画出来的结果是这样的，很多文章说他是滑动阈值下的衡量指标，大概指的是在图中随着FPR的变化TPR也是在变化，而这种变化本质上是阈值参数不断改变的结果。

二、红外小目标检测中的ROC曲线

在文章【1】中对ROC有一个简单的阐述：
PD=(number of true target)/(number of actural target)
FA=number of false detection/number of tested frames
但是怎么才能判定检测出的点是不是目标呢？
在文章【2】中给出了定义：

• 检测结果与图像有重叠
• 检测结果与真实目标的中心像素位置相差不超过一定范围（4个像素）
  步骤分析：
• 获取检测结果二值化图像和真实目标中心像素（质心）位置：可以通过链接【3】计算
• 根据文章【2】判中的定义，判定不同二值化阈值检测结果中false detection和true detection
• 统计false detection和true detection的数量
• 通过公式计算PD和FA
• 以FA为横轴PD为纵轴绘制ROC曲线

三、检测结果以及存在问题

问题1：一幅图像中检测目标比真实目标数目多

真实目标只有两个，但是通过条件检测出三个真实目标

问题2：一幅图像中误检非常多导致曲线很奇怪

不知道是方法不好还是参数不到位，图像中出现了很多的误检，有的误检点之间距离还特别近。

总结

按照自己对红外小目标和roc曲线的理解，画出了roc曲线，但是曲线还存在这一些问题：

• 一些算法，对边缘突变部分出现了很多误检，这会导致误检率激增，导致曲线不协调。
• 虽然阈值在不断的调整，但是得到的点仍然很少，曲线不够平滑
  我的理解可能还有很多不正确的地方，请各位多多指教。

[1]:Depeng Liu et al.“ Attentional Local Constrast Networks for Infrared Small Target Detection”.vil11,No.7,JULY 2018.
[2]: C. Gao et al., “Infrared Patch-Image Model for Small Target Detection in a Single Image,” vol. 22, no. 12, pp. 4996–5009, 2013.
[3]:https://blog.csdn.net/qq_34554039/article/details/110673918?spm=1001.2014.3001.5502
[4]:https://blog.csdn.net/tb3039450/article/details/24115303