红外弱小目标空时稀疏表征及检测技术研究.pdfVIP

摘要

红外弱小目标检测技术在军事侦察、武器研发、安防监控、智能交通等领域有

着广泛的应用，因此，提出一个兼顾检测性能和场景鲁棒性的算法具有重要意义。

红外目标具有“弱”、“小”、“无颜色纹理信息”等特征，使得目标的检测易受到雨、

雾、霾等恶劣天气的影响，而传统的单帧检测算法不够关注运动背景的细微变化，

传统的序列检测算法不适用于复杂多变的实际场景。因此，本课题针对红外弱小目

标空时稀疏表征及检测技术展开研究。主要研究内容如下：

（1）研究了低秩稀疏表征理论。由于弱小目标在图像中仅占少量的几个像素，

具有稀疏的特性，而背景分量总是呈现局部或非局部相关性，具有低秩的性质，从

背景低秩和目标稀疏的角度出发，分别研究了低秩矩阵恢复和低秩张量回归理论，

涉及矩阵范数、矩阵乘积、张量范数、张量乘积、鲁棒主成分分析、红外图像张量

的构建方式以及张量的不同分解模式，并研究了基于该理论的经典弱小目标检测

模型，分析现有模型的优点和不足，为后续的算法模型提供理论基础和研究思路。

（2）提出了基于非奇异值分解的红外弱小目标检测方法。首先研究了Hankel

矩阵的基础理论及其在图像去噪方面的应用现状，其次通过构造Hankel块结构矩

阵用于红外弱小目标检测，对非目标稀疏分量施加结构化范数约束，最后利用

l

2,1

一种非奇异值分解算法进行求解，使得目标和背景有效分离。

（3）提出了基于STT_4DHankel的红外弱小目标检测方法。在同时联合图像

的空域和时域信息的基础上，提出一种新的以图像块为整体进行Hankel拓展的红

外图像空时张量构建方式，进一步增强背景的低秩性，最后，利用高阶张量的全连

接网络分解和交替方向乘子法对模型进行求解和优化，通过大量对比实验证明了

基于STT_4DHankel的弱小目标检测算法的优越性。

本文针对背景秩难以准确估计以及目标帧间运动信息利用不充分而导致目标

漏检、虚警、噪声残留等问题，从图像矩阵和高阶张量两个方面各提出一个检测模

型，解决了传统算法适用场景单一和检测性能低下的难点问题，并通过大量的对比

实验证明了新模型在提高目标检测率、降低虚警率和提升场景鲁棒性方面具有优

越的性能。

关键词：低秩稀疏表征，Hankel拓展，空时张量，红外弱小目标，全连接网络分解

ABSTRACT

Infrareddimandsmalltargetdetectiontechnologyhasbeenwidelyusedinmilitary

reconnaissance,weaponresearchanddevelopment,securitymonitoring,intelligent

transportationandotherfields,soitisofgreatsignificancetoproposeanalgorithmthat

takesintoaccountthedetectionperformanceandscenerobustness.Infraredtargetshave

thecharacteristicsofdim,smallandnocolortextureinformation,whichmakesthe

detectionoftargetssusceptibletotheinfluenceofbadweathersuchasrain,fogandhaze,

whilethetraditionalsingle-framedetectionalgorithmsdidnotpayenoughattentionto

thesubtlechangesofthemovingbackground,andthetraditionalsequencedetection

algorithmswerenotsuitableforcomplexandchangeableactualscen