紅外小目標檢測的常見方法是先通過背景抑制演算法對輸入影象進行背景抑制，常見的方法有中值濾波、tophat、高通濾波等方法，通過背景抑制處理後的影象，背景訊號幅度得到了有效的抑制，而目標訊號得到了一定的增強，在此基礎上通過一定的閾值處理，即可提取目標，閾值的大小不同將決定提取得到的潛在目標中是否包含目標（影響檢測率）及是否包含虛警（影響虛警率），影象中的畫素分布滿足一定的統計概率分布特點，一般滿足高斯分布，此時就可以 借助統計學的方法來計算閾值。
如下內容參考鏈結
我們知道正態分佈是由兩個引數μ
\muμ與 σ
\sigma
σ確定的，對於任意乙個服從n(μ
,σ2)
n(\mu, \sigma^2)
n(μ,σ2
)分布的隨機變數 x
xx ，經過下面的變換以後都可以轉化為 μ=0
,σ=1
\mu=0, \sigma=1
μ=0,σ=
1的標準正態分佈(standard normal distribution)。轉換公式為:
z =x
−μσz= \frac
z=σx−μ
概率統計的教科書上一般直接給出這個結論，證明過程來自參考文獻1
這裡假設經過背景抑制後的影象滿足n(μ
,σ2)
n(\mu,\sigma^2)
n(μ,σ2
)的高斯分布，因為是閾值處理，因此當畫素灰度值x>t(閾值)時，其才會被分割出來，
p(x>t)的概率即為產生虛警的概率，其值可以通過下式計算：
p(x>t) = 1 - p(x
使虛警概率小於一定值，將該一般正態分佈轉換為標準正態分佈後，可通過查正態分佈表的方式獲取虛警概率
小目標檢測
小目標在原圖中尺寸比較小，通用目標檢測模型中，一般的基礎骨幹神經網路 vgg系列和resnet系列 都有幾次下取樣處理，導致小目標在特徵圖的尺寸基本上只有個位數的畫素大小，導致設計的目標檢測分類器對小目標的分類效果差。1 data augmentation.簡單粗暴，比如將影象放大，利用 image...
雷達原理筆記之恆虛警概率檢測
南京理工大學許志勇老師的 雷達原理課程 恆虛警概率檢測技術是雷達設計過程中經常涉及到的問題。由於雜訊的存在，雷達在探測目標時不可避免地會出現虛警情況。而這種虛警概率的高低則是反應雷達探測效能的重要指標。恆虛警檢測 顧名思義就是在保證虛警概率一定的情況下，盡可能高的提高發現概率。上圖是，雷達設計過程經...
虛函式小總結
當在基類中把成員函式定義為虛函式後，其派生類中定義的虛函式必須與基類的虛函式同名，引數的型別 順序 個數必須一一對應。注 析構函式除外舉例為。include iostream.h class base virtual base protected private class subclass pub...