基于稀疏低秩分解的红外小目标检测研究
与可见光成像相比，红外成像能在夜间、在恶劣天气下工作;与激光、雷达成像相比，红外成像隐蔽性好、不受电磁波干扰;这些突出优势使得红外成像技术在很多军事领域如:精确制导系统、安全预警系统、监控防护系统中起着重要的作用。而红外小目标检测作为这些系统的关键技术，一直是备受人们关注与研究的重要课题。 在精确制导、安全预警等红外系统中实现小目标远距离的精准检测，为系统的后续处理提供充足的反应时间具有十分重要的意义。这一要求使探测距离不断增加，导致红外小目标检测中的小目标通常以点状、斑状的形式出现，缺乏明确的形状、纹理、结构等信息，使得小目标检测变得更加困难。尽管研究人员已经提出了很多小目标检测算法，但是红外小目标检测中仍然存在很多问题，本文主要对多场景下的单帧图像小目标检测与复杂场景下（如人类活动区）的序列图像小目标检测算法这两个方面进行了探讨，主要内容如下: (1)在单帧图像小目标检测中，利用局部对比度信息的检测算法在背景杂波干扰强的场景中虚警率较高，利用全局结构信息的检测算法在含有强边缘的场景中会出现误检情况，这些算法的应用场景具有局限性。针对此问题，本文提出了一种结合局部对比度信息与全局结构信息的检测算法。该算法首先将双窗口模型引入到显著图的计算中，该过程挖掘了图像的局部对比度信息。随后，对显著图进行稀疏低秩分解，该过程挖掘了图像的全局结构信息，最后通过阈值分割得到最终的检测结果。通过实验发现，与现有的算法相比，本文提出的算法在多种场景下检测率均比较高、虚警率均比较低，在多场景下适用性更强。 (2)针对现有的序列图像检测算法忽略时域结构信息造成在复杂场景下检测不到小目标、虚警目标偏多的问题，本文提出了一种结合时域结构信息与目标时空连续性信息的检测算法。该算法首先对序列图像进行时域展开，通过稀疏低秩分解实现小目标与背景的初步分离，得到目标预测图，随后，通过改进的管道滤波器对目标与噪声进一步分离，得到最终检测图。本文提出的算法在包含复杂场景下的三个序列图像上进行测试，实验结果表明该算法在复杂场景下比其他的算法具有更高的检测率、更低的虚警率。
红外小目标检测;图像处理;稀疏低秩分解;显著图
北京化工大学
硕士
控制科学与工程
李伟
2019
中文
TP391.41
2019-10-08（万方平台首次上网日期，不代表论文的发表时间）