【技术实现步骤摘要】
本申请涉及目标检测，具体涉及一种图像复杂度评价方法、装置、设备及可读存储介质。
技术介绍
1、红外小目标检测是一项重要的技术，其被广泛应用于军事、安防、天文等领域。然而，由于红外图像的复杂性，如低对比度、低信噪比等问题，以致红外小目标检测算法在一些复杂场景下的应用效果不佳。此外，随着红外小目标数据集的丰富，基于深度学习的红外小目标检测算法得到了大量样本的支持；且在深度学习领域中，高质量的数据集往往能够提高模型训练的质量和预测的准确率，具体而言，红外小目标检测的开发过程中需要与实际应用场景相匹配难度的复杂数据集，以减少过于简单数据集的训练参与度；因此，为了得到漏检和虚警率低的有效红外小目标检测算法，需要在开发流程上进行改进，进而有效筛选出具有难度的红外小目标图像，以满足真实、复杂场景下的检测需求。由此可见，准确评价红外小目标图像的复杂度，以筛选有难度的训练样本，成为了一项关键任务。
2、相关技术中，在进行红外小目标检测算法开发时通常会对数据进行清洗等预处理，但没有在开发过程中对数据样本进行复杂度评价筛选，以致所构建的红外小目标...
【技术保护点】
1.一种图像复杂度评价方法，其特征在于，包括以下步骤：
2.如权利要求1所述的图像复杂度评价方法，其特征在于，所述根据待评价图像中目标区域的像素及其对应的邻域窗口的像素确定出局部背景度量值，包括：
3.如权利要求2所述的图像复杂度评价方法，其特征在于，所述对所述最小局部对比度进行归一化处理，得到局部背景度量值，包括：
4.如权利要求1所述的图像复杂度评价方法，其特征在于，所述通过预设的目标混淆度算法计算出待评价图像的全局目标显著度度量值，包括：
5.如权利要求4所述的图像复杂度评价方法，其特征在于，所述根据四连接规则确定...
【技术特征摘要】
1.一种图像复杂度评价方法，其特征在于，包括以下步骤：
2.如权利要求1所述的图像复杂度评价方法，其特征在于，所述根据待评价图像中目标区域的像素及其对应的邻域窗口的像素确定出局部背景度量值，包括：
3.如权利要求2所述的图像复杂度评价方法，其特征在于，所述对所述最小局部对比度进行归一化处理，得到局部背景度量值，包括：
4.如权利要求1所述的图像复杂度评价方法，其特征在于，所述通过预设的目标混淆度算法计算出待评价图像的全局目标显著度度量值，包括：
5.如权利要求4所述的图像复杂度评价方法，其特征在于，所述根据四连接规则确定出所述二值化图像中存在的疑似目标数，包括：
6.如权利要求4所述的图像复杂度评价方法，其特征在于，所述对所述疑似目标数进行归一化处理...
【专利技术属性】
技术研发人员：黄立，简昕玥，秦小娟，刘琼，袁伟，
申请(专利权)人：武汉高德红外股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。