空间距离优化的红外弱小目标视觉显著性检测算法

本文主要探讨了基于空间距离改进的视觉显著性在红外弱小目标检测中的应用。在人类视觉系统（HVS）中，对比度感知对视觉感知至关重要，而亮度并不是决定视觉吸引力的关键因素。传统的基于HVS的红外弱小目标检测算法，如通过提高信噪比和检测率来增强目标识别，然而这些方法往往伴随着较高的虚警率和对噪声敏感的问题。 为了解决这些问题，研究者提出了一个创新的算法，该算法利用目标像素块的均值与周围像素块加权和的比值来调整目标点的灰度值，形成显著图。这种方法借鉴了视觉注意力模型，特别强调了空间关系的重要性。在计算目标周围像素的灰度加权和时，算法会根据像素之间的空间距离进行权重分配，即距离越远的像素分配的权重越小。这样做的目的是模拟人类视觉系统中，远距离的细节通常被认为是不那么重要的。 通过实验验证，这种基于空间距离改进的视觉显著性检测方法成功地降低了虚警率，增强了算法的抗噪能力。这表明，它不仅提高了弱小目标的检测效率，还有效地减少了因噪声引起的误检情况。因此，本文的研究对于提高红外弱小目标检测的准确性和鲁棒性具有重要意义，对于机器视觉领域的实际应用具有很大的潜力。 关键词：机器视觉、空间距离、视觉显著性、弱小目标检测。该研究被归类于光学工程领域，具有较高的学术价值，其研究成果发表在《光学学报》上，并获得了DOI:10.3788/AOS201535.0715004的引用标识。这项工作是机器视觉技术发展的一个重要进展，为后续的研究提供了新的视角和改进策略。