红外小目标检测：基于局部最大熵的快速方法

"基于局部最大熵的红外小目标检测技术" 本文是一篇研究论文，由艾斯卡尔·艾木都拉教授及其合作者寇志强撰写，主要探讨了在红外成像领域中，针对小目标检测的挑战及解决方案。研究背景是红外弱小目标检测与跟踪技术在航空报警、导弹拦截、近地面监视等领域的广泛应用。由于环境复杂性和低信噪比，检测红外图像中的小目标成为一项关键任务。 论文提出了一种新的基于局部最大熵的红外小目标快速检测方法。局部最大熵是一种衡量图像局部信息熵的指标，能够有效地反映图像区域的纹理复杂度。在该方法中，首先利用局部最大熵计算得到自适应阈值，这个阈值有助于区分目标与背景的灰度差异。随后，通过三轮不同判断对可能的目标进行评分，以增强目标检测的准确性。最后，应用非极大值抑制技术，消除相邻的虚假目标点，从而突出真正的小目标。 试验结果证明，即使在复杂的背景变化或低信噪比条件下，该方法仍能保持良好的检测性能。与传统的top-hat算法相比，提出的算法在检测时间和准确性上都有显著优势。例如，top-hat算法的检测率（DR）为88.57%，而新方法的DR达到了92.5%；top-hat算法的假警报率（FA）为0.1857，新方法则降低至0.1。这些结果显示，基于局部最大熵的方法在红外小目标检测上具有更高的效率和精度。 关键词：红外目标，局部最大熵，自适应阈值，非极大值抑制。根据中图法分类号，该研究属于TP391类别，即信息与系统科学相关领域。 总结来说，这项工作创新性地引入了局部最大熵作为阈值计算依据，结合自适应阈值和非极大值抑制技术，提高了红外小目标检测的鲁棒性和效率，对于红外图像处理领域有着重要的理论与实践价值。