基于区域显著性与稳定性的小目标检测方法

吴泽俊，赵彤洲

武汉工程大学计算机科学与工程学院，湖北 武汉 430205

小目标检测（small target detection，STD）不同于一般视距目标检测与识别，其难点是在远视角下缺乏丰富的特征信息。STD通常只含有少量的像素点，光电仪器工程师协会（society of photo-op⁃tical instrumentation engineers，SPOIE）从成像角度定义STD的空间像素总量小于80像素［1］。STD的研究对象可以分为斑状目标、小扩展目标、斑状目标与小扩展目标的杂波。一般情况下，小目标被淹没在噪声和背景杂波中，使小目标检测更具有挑战性［2-4］。

近些年，学者们专注于研究红外小目标检测。由于小目标远距离成像，时空信息、背景特征、目标与背景之间的联系成为STD的研究重点。因此关于STD的研究策略主要分为4大类：先检测后跟踪［5］、目标增强［6］、背景抑制、前景分离［7］。先检测后跟踪型的方法一般通过处理多帧图像来估计目标，这需要大量的先验知识，因而其计算量较大。前景分离兼具目标增强与背景抑制的优势，一般采用对比方法。受人类视觉机制的启发，对比方法运用了小目标的局部差异和全局稀缺性特点，广泛应用于显著性检测。类似于红外小目标，彩色小目标也具有如下性质：类点状、低熵、局部一致性、中心环绕对比度差异。在理想情况下，可将上述性质应用于稳定性检测，提取稳定性特征。

在区域稳定性的检测方法中，最大稳定性极值区域（maximally stable extremal region，MSER）方法［8］采用相似性度量准则得出多个稳定阈值检测稳定性区域，但其结果仍然存在很多虚警。关于区域显著性方法中，频域协调（frequency tuned，FT）方法［9］将目标颜色全局稀缺性与高斯差分滤波相结合提取显著性区域，但并不是所有的目标都具有全局稀缺性，目标与背景颜色相仿时检测效果很差。……