弱小目標檢測領域下圖像的信噪比（SNR）計算方法

前言

在做目標檢測相關工作時，我們都知道弱小目標很難檢測。目標的“弱”和“小”分別代表兩個不同屬性，“弱”代表的是目標在圖像的灰度大小，其可以用局部信噪比來描述目標信號的強弱；“小”代表的是目標的尺度大小，即在圖像中代表的是目標所佔的像元大小 。國際光學工程學會定義弱小目標局部信噪比小於 5dB，圖像中的像素大小小於等於 9×9，其所佔一幀圖像大小爲 256×256 的 0.12% 。
顯然，目標的“小”很容易判斷出來。但是目標的“弱”如何計算呢？經過長時間的調研學習，我終於找到了如何計算圖像中目標的SNR。

圖像的LSNR

描述圖像中弱小目標的SNR被稱爲圖像的局部信噪比（LSNR），其計算方式如下：
$LSNR = 10 \times log_{10}^{(E_r - E_B) / \delta_B}$
其中，$E_r$爲目標區域的均值，$E_B$爲背景區域的均值，$\delta_B$爲背景區域的標準差。一般背景區域大小爲目標區域大小的3倍。
公式很簡單，但是網上確實很少有相關的資料，我是在看博士論文時才發現的，向博士致敬!

參考資料：樊香所, 序列圖像弱小目標檢測與跟蹤算法研究. 2019, 電子科技大學.