基于局部对比度背景估计的红外小目标检测方法

红外精确制导、红外预警、海上搜救等领域中，被测目标与传感器之间的距离通常很远。由于光学系统和焦平面阵列性能的限制，图像中目标通常仅占据几个像素且灰度值较小，容易导致较低的检测率[1]。此外，由于视野中树木、房屋、云层、海浪和其他随机因素的存在，原始红外图像中可能存在各种类型的复杂背景，例如高亮度背景[2]、背景边缘[3]和高亮度孤立点噪声(pixel-sized noises with high brightness，PNHB)等[4]，给目标检测带来严重干扰，导致较高的虚警率。

在现有的红外小目标检测领域，研究者为实现高检测率和低虚警率，提出了多种检测方法，主要包括基于序列的算法和基于单帧的算法。基于序列的算法倾向于利用多帧之间的运动信息检测目标，因此即使目标在某些帧中被遮挡，仍可以取得良好的检测性能。但基于序列的算法通常有较大的计算量，在某些应用中无法满足实时性要求。基于单帧的算法仅使用单帧内的信息，因此常具有较快的检测速度。此外，基于单帧的算法可作为某些基于序列的算法的基础模块进行使用。本文正是基于单帧的检测算法的进一步的改进。

到目前为止，已有大量基于单帧的检测算法被提出，例如空域滤波[5]、频域滤波[6]、形态学滤波[7]、背景估计[8-10]和机器学习(包括监督学习[11]和无监督学习类型[12])等。但是，复杂背景下的红外小目标检测仍然是一个具有挑战性的问题。

近年来，研究人员发现人类视觉系统(human visual system，HVS)的一些特性，