基于张量低秩约束和稀疏表示的红外小目标检测方法研究

Infrared small target detection is the key technology of precision guidance. Some new infrared small target detection methods via tensor based low-rank constraint and sparse representation are studied.. （1） A small target detection method in single-frame infrared image via combined model of low-rank and non-negative sparse representation is studied. The non-negative sparse constraint is used to describe the small target, which is more consistent with human visual system. It is expected to reduce the false alarm rate of infrared small target detection.. （2） A small target detection method in single-frame infrared image via three-dimensional block stacking and low-rank tensor recovery is studied. The adjacent image blocks are stacked into a 3D structure, which avoids breaking the essential structure of image data.. （3） A small target detection method in sequential infrared images based on space-time correlation and mixed norm is studied. The Frobenius norm with good stability is introduced as constraint condition to improve the consistency between sequential background images.. （4） A small target detection method in multi-band image via rank-1 tensor decomposition and joint sparsity model is studied. The non-background part is extracted by rank-1 tensor decomposition and then fused by joint sparsity model in order to improve the detection precision. . （5） A small target detection method in multi-band image via patch-tensor model is studied. Using the spectral correlation, the patch-image model for a single image is extended to the patch-tensor model so as to take full advantage of the multi-band information.

红外小目标检测是精确制导的关键技术之一。研究基于张量低秩约束和稀疏表示的单帧、序列、多波段红外图像小目标检测方法：.（1）基于低秩和非负稀疏表示的单帧红外图像小目标检测方法，利用非负稀疏约束刻画小目标更符合人类视觉机制，有望降低小目标检测的虚警率。.（2）基于三维块堆叠和张量低秩恢复的单帧红外图像小目标检测方法，将相邻图像块堆叠成三维结构，以避免破坏图像数据的本身结构。.（3）基于空时相关性和混合范数的序列红外图像小目标检测方法，引入稳定性好的Frobenius范数作为约束条件，提高序列背景图像之间的一致性。.（4）基于秩1张量分解和联合稀疏模型的多波段红外图像小目标检测方法，采用联合稀疏表示融合由秩1张量分解方法提取的非背景部分，从而提高检测精度。.（5）基于块张量模型的多波段红外图像小目标检测方法，利用谱间相关性将针对单帧图像的块图像模型拓展为块张量模型，以充分利用多波段信息。

复杂背景下红外弱小目标检测在现代军事探测、识别和跟踪的应用中是一项关键技术。在应用中，由于传感设备与检测目标之间距离较远，同时受到不同环境因素的影响，实际观测到的目标不仅弱小而且分辨率较低，缺乏具体的轮廓纹理信息。因此，如何克服背景影响以及噪声干扰，快速、自动、精确地定位目标，是红外弱小目标检测的关键问题。本项目的主要工作及创新如下：.（1）通过研究红外图像背景和小目标特性，实现了在不同图像模型中基于低秩和稀疏分离的单帧红外小目标检测框架。在项目中分别提出了基于超像素图像贴片模型、张量图像贴片模型及改进的传统红外贴片模型。.（2）在红外贴片模型下，实现了不同低秩逼近约束红外背景从而更好分离小目标的检测模型，同时引入不同的正则方式，提高模型的鲁棒性。.（3）通过研究缓变背景下，背景低秩特性和小目标稀疏特性的稳定性，本项目利用先检测后追踪方式的优势，实现了基于序列的小目标检测方法；在构建的模型中，利用背景和非背景之间结构的差异性，使用秩1张量分解方法提取图像的背景部分和小目标。.（4）针对多波段红外小目标图像的相关性及小目标分布规律，实现了基于多波段红外图像小目标检测方法，以充分利用多波段信息；其中包括不同模态与红外图像的融合方法和不同波段的选择方法。.（5）在红外小目标检测中，图像分割也是其关键技术之一，为此，本项目也进行了深入研究；提出了针对不同图像的图像分割算法。. 在复杂单帧和序列红外场景中的大量实验表明，提出的方法在客观对比和主观视觉方面均取得了优越的性能，这表明提出的方法能够有效地提高检测率，降低虚警率。从而扩大检测设备在各种实际场景中的有效空间范围并提高检测精度。. 在国内外知名刊物 IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing、IEEE Geoscience and Remote Sensing Letters、Infrared Physics & Technology、Pattern Recognition、Remote Sensing、IEEE Access、《中国图象图形学报》、《仪器仪表学报》、《红外与毫米波学报》、《光学学报》、《遥感学报》等发表学术论文60 篇。SCI检索 29 篇，EI检索22篇。