Para resolver as deficiências dos algoritmos existentes, como a alta taxa de falsos alarmes em fundos complexos e baixa capacidade em tempo real, foi proposto um algoritmo de detecção de alvos pequenos e fracos em infravermelho com base em uma medida local de diferença de modelo de três camadas em um único quadro. Foi proposta uma forma de construção do modelo de três camadas, aproveitando plenamente as diferenças na distribuição de níveis de cinza entre as diferentes camadas do modelo, propondo um algoritmo de medida local de diferença de modelo de três camadas que combina medição de diferença de cinza e medição de diferença de variância. Ao mesmo tempo, foi realizada a amplificação do alvo e a supressão de fundo, e por fim foi utilizado um algoritmo de segmentação por limiar adaptativo para extrair os alvos a serem detectados a partir do mapa de saliência. Os resultados experimentais mostram que o algoritmo proposto só precisa usar um modelo de três camadas de tamanho fixo para percorrer a imagem uma vez para detectar alvos de diferentes tamanhos, o que não apenas evita o aumento da complexidade do algoritmo causado por operações em múltiplas escalas, mas também previne a omissão de alvos causada pela sobreposição de regiões. O teste foi realizado com o conjunto de dados público SIRST, e em comparação com 8 algoritmos existentes, o ganho médio da relação sinal-ruído do presente algoritmo aumentou 7,7 vezes, o fator de supressão de fundo aumentou em média 3,9 vezes e possui melhor capacidade em tempo real.

detecção de alvos;pequenos alvos infravermelhos;sobreposição de regiões;modelo de três camadas;medida local de diferença