面向低空红外与可见图像融合的 TBC：目标-背景对比度指标
计算机视觉与模式识别
2026-01-29 v3
摘要
红外与可见图像融合（IVIF）是低空无人机（UAV）侦察任务中的关键技术，通过整合热力显著性与环境纹理实现对目标的稳健检测与跟踪。然而，传统无参考指标（统计类指标与梯度类指标）在复杂低光环境下失效，称为 ``Noise Trap”。本文数学证明，这些指标与高频传感器噪声呈正相关，反向地为退化图像赋予更高分数，从而误导算法优化。为此，我们提出目标-背景对比度（TBC）指标。灵感来源于韦伯定律，TBC 关注显著目标的相对对比度，而非全局统计。不同于传统指标，TBC 对背景噪声进行惩罚，奖励目标可见性。针对 DroneVehicle 数据集进行大量实验，证明 TBC 的优越性。结果表明，TBC 在区分热目标与背景杂乱方面具有高 ``语义可区分性”。此外，TBC 具备显著的计算效率，使其成为智能 UAV 系统可靠且实时的标准。
引用
@article{arxiv.2512.15211,
title = {TBC: A Target-Background Contrast Metric for Low-Altitude Infrared and Visible Image Fusion},
author = {Yufeng Xie and Cong Wang},
journal= {arXiv preprint arXiv:2512.15211},
year = {2026}
}
备注
In the subsequent research, we discovered that the research methods employed in the article were logically unsound and had flaws, making it impossible to draw reliable conclusions. Therefore, we believe it is necessary to retract this article for correction