红外小目标检测方法之LCM与MPCM
LCM（局部对比度方法）2013
一：算法流程
1 ：计算局部对比度：
将一个patch分为9个cell，其中0代表目标可能会出现的区域，如下图所示：
分别计算0-8cell内的灰度均值：
计算区域0 内的灰度最大值Ln，与其余区域的均值作除法，得到不同方向上的对比度，为了增强目标，定义局部对比度Cn如下：得到一张与原图大小一样的对比度图
2： 多尺度局部对比度：计算不同尺寸patch下的局部对比度图，在每一个像素位置都取最大的对比度作为最终结果。
注：目标区域不超过80个像素
3：阈值分割：阈值根据图像灰度均值与标准差决定，其中K是经验值，文章建议取3-5。
二：实验结果即分析
LCM可以实现目标加强和背景抑制，对一般的红外小目标检测可以快速高效的检测，但是LCM默认目标比背景亮很多（但是有些图像不一定满足该条件），当一些目标与背景灰度值差异不大且有噪声的时候，目标容易被噪声淹没。
检测效果较好案例：
漏检情况：
MPCM(多尺度块对比度方法)2016
一：算法流程
1：计算PCM
计算PCM最主要依靠滤波可以快速得到。
块划分如下：
根据以下三个公式计算出每个位置处的PCM(四个方向上的di，保留最小值。)
2:多尺度块对比度
与LCM类似。需要注意最大尺度仍然不超过80（9×9）。
3：阈值分割：与LCM相同，只是K建议取值3-14。
二：实验结果即分析
MPCM是LCM的改进，主要改进在可以同时增强比背景强和比背景弱的目标，准确率要更高，速度也更快。检测结果受K值影响较大，可能会因为K值设置导致漏检或者多检。
检测结果较好案例：
目标被淹没情况：对于噪点较多，且目标没有与背景有较大灰度差时，目标被完全淹没
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
