基于光流与MTDBEFLE算法的运动目标检测结果比较

以质心距离衡量运动目标检测性能。当真实目标的质心与检测到的目标质心重合，说明目标检测结果命中。当检测到的目标质心与真实目标质心分离，它们分离的距离越大，则它们命中的可能性越低［107］。假设我们通过算法检测到目标，把目标中出现的每个像素的质量定义为1，则它的质心定义为:

其中m(x，y)代表空间坐标(x，y)的质量，N 为检测到目标像素数，x 为水平坐标，y 为垂直坐标，Xcd 代表水平质心坐标分量，YCd 表示垂直质心坐标分量。

定义质心距离如下:

其中XTd 为真实目标质心的水平坐标，YTd 为真实目标的质心的垂直坐标。以目标检测准确率衡量目标检测算法性能的指标，也是对系统装置性能评价的重要组成部分。规定当检测到的目标完全处于真实目标中，它的检测正确率为100%，而对于其他情况定义为:

其中det 检测到的目标像素数，tru 为真实目标像素数。当检测准确率越高，则算法检测到的目标越接近于真实目标;反之，检测准确率越低，则算法检测到的目标越远离与真实目标，对目标的选中越不利。(www.xing528.com)

针对复杂背景下红外图像的运动目标检测，依次采用LK 光流法与基于熵流与局部熵的目标检测(Moving Target Detection Based on Entropy Flow and Local Entropy，MTDBEFLE)算法作用于红外图像，对比目标检测效果。

图5.3 算法处理

关于海上背景下的水雷目标的检测，图5.3(a)是海上水雷目标图像序列的第16 帧，它的相邻帧第17 帧显示在图5.3(b)。第16、17 帧间计算的熵流场显示在图5.3(d)，而光流场显示在图5.3(c)。图5.3(e)表示差分图像。图5.3(f)表示基于LK 光流法检测的运动目标，而图5.3(g)表示使用MTDBEFLE 算法的目标检测结果。结果显示，MTDBEFLE 算法的检测结果更优，与真实目标非常接近。

采用客观评价指标检测准确率与质心距离两个标量衡量算法的性能。对比LK 光流算法，表5.5 数据显示，MTDBEFLE 算法获得的质心距离数据小于LK 光流算法获得的数据，同时检测准确率又大于LK 光流算法获得的数据，这表明检测的目标更接近真实目标的质心，检测的结果更精确。

表5.5　参数性能比较