一种用于红外小目标检测的场景检测复杂度度量方法 黄志远 张志勇

《Sensors》：A Scene Detection Complexity Metric for Infrared Small Target Detection Zhiyuan Huang and Zhiyong Zhang

　　

摘要

红外小目标检测在航空航天监视、海上搜救和军事侦察中得到广泛应用。然而，检测算法的性能在很大程度上取决于场景特性，在简单背景下表现良好的方法在复杂环境中可能会显著下降。现有的指标，如信息熵、平均梯度和峰值信噪比，可以从各自的角度反映检测难度，但它们没有提供一种综合考虑目标显著性、背景复杂性和目标-背景耦合性的统一衡量标准。为了解决这个问题，本研究提出了一种场景检测复杂度（SDC）指标，用于量化红外小目标检测的难度。从目标显著性、背景复杂性和目标-背景耦合性三个维度选取了六个基本指标：统计方差、目标-背景对比度、信噪比、信息熵、结构相似性和目标大小。经过最小-最大归一化后，通过结合熵权重方法和主成分分析确定客观权重，然后将加权指标融合成一个SDC值，其范围为。在来自IRST640、MSISTD、SIRST-V2和一个红外小型飞行器序列数据集的100张测试图像上的实验表明，所提出的SDC与主观难度评分之间的皮尔逊线性相关系数为0.956，与从七种代表性算法获得的图像级检测分数之间的相关性为。结果进一步表明，传统方法对场景复杂性的增加更为敏感，而基于深度学习的方法在复杂背景下相对更为稳健。所提出的SDC为红外小目标检测的性能评估、算法选择和场景难度预评估提供了一个统一且客观的工具。