红外弱小目标检测与跟踪

根据国际光学工程学会的定义，在256×256的图像中，红外小目标的像素面积不超过9×9。典型的红外小目标包括无人机等飞行目标。
检测难点来自于
复杂背景——云层、低空地物
目标微弱——辐射强度低

1，红外弱小目标检测

1.1 检测方法

基于深度学习（数据驱动）

基于深度学习，从训练数据中自适应地学习特征提取方法，适应不同的场景。
以端到端的形式，将单帧图像输入网络，根据处理范式的不同，将深度学习类方法分为基于检测和基于分割。

基于检测的方法，处理思路与通用目标检测相同，网络直接输出目标在图像中的位置信息。
基于分割的方法，处理思路与模型驱动的传统方法类似，网络对每个像素进行二分类，区分为目标或者背景，输出目标分割图。

基于传统方法（模型驱动）

基于手工设计的特征，并遵循某些特定的假设，这种固有特性导致了算法对于不同场景的适应性较差。

背景抑制

在图像上移动特殊设计的滑窗，抑制窗口内的背景像素，并增强目标像素。

典型方法包括top-hat变化、中值滤波、均值滤波等。

这些早期方法已经被广泛地部署于实际应用场景。

缺点：处理厚云层或海天交界场景时会出现大量的虚警。

局部对比度：

启发于人类视觉系统，认为目标是与背景之间存在显著灰度差异的局部区域。

显性地构建一种