弱小目标检测领域下图像的信噪比（SNR）计算方法

前言

在做目标检测相关工作时，我们都知道弱小目标很难检测。目标的“弱”和“小”分别代表两个不同属性，“弱”代表的是目标在图像的灰度大小，其可以用局部信噪比来描述目标信号的强弱；“小”代表的是目标的尺度大小，即在图像中代表的是目标所占的像元大小 。国际光学工程学会定义弱小目标局部信噪比小于 5dB，图像中的像素大小小于等于 9×9，其所占一帧图像大小为 256×256 的 0.12% 。
显然，目标的“小”很容易判断出来。但是目标的“弱”如何计算呢？经过长时间的调研学习，我终于找到了如何计算图像中目标的SNR。

图像的LSNR

描述图像中弱小目标的SNR被称为图像的局部信噪比（LSNR），其计算方式如下：
$$LSNR=10\times lo{g}_{10}^{(E_r-E_B)/{\delta }_B}$$
其中，$E_r$为目标区域的均值，$E_B$为背景区域的均值，${\delta }_B$为背景区域的标准差。一般背景区域大小为目标区域大小的3倍。
公式很简单，但是网上确实很少有相关的资料，我是在看博士论文时才发现的，向博士致敬!

参考资料：樊香所, 序列图像弱小目标检测与跟踪算法研究. 2019, 电子科技大学.