【《基于人类视觉系统的红外弱小目标检测算法设计案例》1100字】

基于人类视觉系统的红外弱小目标检测算法设计案例目录TOC\o"1-3"\h\u26637基于人类视觉系统的红外弱小目标检测算法设计案例 1114941.1人类视觉系统 1204261.2LCM算法 1252141.2.1LCM算法原理和步骤 123571.2.2实验分析 2178681.3MPCM算法 3220851.3.1MPCM算法原理和步骤 322541.3.2实验分析 4人类视觉系统 人类视觉系统（Humanvisualsystem，HVS）是由光学系统、视网膜和视觉感知系统组成的分层成像系统。人类视觉系统的视觉敏感度有限，只能检测到超过一定阈值的内容变化，即存在显著差异，因此可以快速检测复杂场景中的重要对象。[18] 视觉注意系统是在复杂场景中通过一定的搜索算法做出的一种认知选择。人们的注意力迅速转移到感兴趣的区域或目标。[19]目前，人类视觉注意系统主要有两种机制：一种是无意识的、以数据为中心的、自下而上的视觉注意机制，另一种是有意识的、以任务为中心的、自上而下的视觉注意机制。LCM算法LCM算法原理和步骤 基于人类视觉的局部对比法（LocalContrastMethod，LCM）是人类视觉对比度机制相关的最经典的算法之一，它使用一个滑动窗口在图像上从左至右；窗口沿着图像从上至下滑动，每个窗口被划分为3*3个子窗口，窗口的中间位置是目标可能出现的位置。[20] 目标局部对比度的计算方法： 1）计算周围8个邻域的平均像素值 2）计算局部对比度 中心子窗口与邻域窗口的对比度为： （5-1） 其中为中心子窗口像素的最大灰度值。3）计算目标对比度（LCM） LCM算法提出了假设，即目标的灰度比邻域高,c值越高，中心区域是目标的可能性越大，因此目标区域像素值得到增强，背景得到抑制，其中c为： （5-2）算法流程：图5-1LCM算法流程实验分析 图5-1为使用LCM算法进行红外弱小目标检测的结果,使用的窗口大小为3*3。分割图像为使用阈值分割的结果。图5-1LCM算法实验结果 这里使用的阈值分割的阈值公式为： （5-3） 这里mean指增强图像的像素均值，std是指增强图像的像素标准差，k是自定义的常数值。 该算法的缺点就是不能自适应的设定阈值进行分割。MPCM算法MPCM算法原理和步骤 基于多尺度面片的对比度度量算法（Multiscalepatch-basedcontrastmeasure，MPCM）与LCM算法一样，滑动窗口被分为两部分，将背景分为8部分，目的是为了增强目标并一致背景。[21] 目标子窗口与背景的对比定义为： （5-4） 其中，d表示目标与背景的差异程度，计算公式如下： （5-5） 其中，mT为目标区域像素均值，m定义某一尺度下目标的对比度测量公式为： （5-6） di （5-7）算法流程： 1）计算目标区域的均值； 2）计算8邻域背景的均值； 3）计算局部对比度； 4）滑动窗口遍历整幅图像输出显著性对比度图。图5-3MPCM算法流程实验分析 图5.4为使用MPCM算法进行红外弱小目标检测