【摘要】：提出一種基于加權(quán)核范數(shù)最小化的紅外弱小目標(biāo)檢測方法.該方法將原始紅外圖像轉(zhuǎn)化為新的紅外塊圖像模式,在紅外塊圖像上,以魯棒主成分分析(RPCA)為基礎(chǔ),將圖像數(shù)據(jù)矩陣分解為一個低秩矩陣和一個稀疏矩陣;針對RPCA模型對復(fù)雜背景描述能力弱的不足,引入了加權(quán)核范數(shù)來更好地描述背景的低秩特性,并給出了相應(yīng)的優(yōu)化求解算法;同時,給出了一種自適應(yīng)閾值分割方法,準(zhǔn)確地從稀疏目標(biāo)圖像中提取出弱小目標(biāo).基于天空、海洋、山地、沙漠4種不同場景進(jìn)行紅外弱小目標(biāo)檢測,并比較了該算法和已有算法的性能,結(jié)果表明:該算法能有效地降低復(fù)雜背景邊緣產(chǎn)生的虛警,提高目標(biāo)檢測準(zhǔn)確率.
[Abstract]:An infrared dim target detection method based on weighted kernel norm minimization is proposed. Based on the robust principal component analysis (RPCA), the image data matrix is decomposed into a low rank matrix and a sparse matrix. Aiming at the weak ability of RPCA model to describe complex background, the weighted kernel norm is introduced to better describe the low rank characteristic of background, and the corresponding optimization algorithm is given. At the same time, an adaptive threshold segmentation method is proposed to accurately extract small and weak targets from sparse target images. Infrared dim target detection is carried out based on four different scenarios of sky, ocean, mountain and desert. The performance of this algorithm and the existing algorithms are compared. The results show that the algorithm can effectively reduce the false alarm generated by the edge of complex background. Improve the accuracy of target detection.
【作者單位】： 南京理工大學(xué)計算機(jī)科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61403202) 中國博士后科學(xué)基金面上資助項目(2014M561654)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉文;趙宗貴;龐秀梅;陳彬;湯磊;;基于頻譜分析和圖像融合的紅外弱小目標(biāo)增強(qiáng)[J];中國電子科學(xué)研究院學(xué)報;2013年03期

2 高陳強(qiáng);閻兵早;李強(qiáng);;基于非線性映射模型的紅外弱小目標(biāo)圖像仿真[J];紅外與激光工程;2013年11期

3 范璐;顧國華;陳錢;錢惟賢;;復(fù)雜背景下的紅外弱小目標(biāo)閾值更新恒虛警算法[J];紅外技術(shù);2011年10期

4 張強(qiáng);蔡敬菊;張啟衡;趙汝進(jìn);;基于局部極大值的紅外弱小目標(biāo)分割方法[J];紅外技術(shù);2011年01期

5 李曉瓊;史彩成;毛二可;;云背景紅外弱小目標(biāo)結(jié)構(gòu)相似檢測算法[J];系統(tǒng)仿真學(xué)報;2008年S1期

6 薛松;韓廣良;;基于局部峰值的紅外弱小目標(biāo)快速檢測[J];光子學(xué)報;2013年02期

7 靳永亮;王延杰;劉艷瀅;黃繼鵬;;紅外弱小目標(biāo)的分割預(yù)檢測[J];光學(xué)精密工程;2012年01期

8 趙峰;;復(fù)雜背景中紅外弱小目標(biāo)檢測技術(shù)研究[J];上海航天;2012年01期

9 徐寒;夏森;徐健健;;紅外弱小目標(biāo)的匹配方法研究與仿真[J];計算機(jī)仿真;2012年02期

10 湯磊;趙豐;楊曉原;趙宗貴;;基于圖像融合的紅外弱小目標(biāo)增強(qiáng)方法研究[J];計算機(jī)應(yīng)用研究;2009年01期

相關(guān)會議論文 前2條

1 張煜婕;王宏飛;王秀春;;紅外弱小目標(biāo)及其場景仿真的改進(jìn)方法[A];2007'儀表，，自動化及先進(jìn)集成技術(shù)大會論文集（二）[C];2007年

2 劉威;何波;張剛;張翠榮;張曄;;紅外弱小目標(biāo)圖像檢測預(yù)處理方法對比研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

相關(guān)博士學(xué)位論文 前2條

1 張雙壘;空間紅外弱小目標(biāo)高可靠檢測方法研究[D];中國科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 汲清波;紅外序列圖像中弱小目標(biāo)檢測方法研究[D];哈爾濱工程大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 孟曄銘;成像探測系統(tǒng)中的紅外弱小目標(biāo)跟蹤點漂移抑制方法研究[D];電子科技大學(xué);2015年

2 于海濤;基于DM642的紅外弱小目標(biāo)實時跟蹤及云臺控制系統(tǒng)[D];西安電子科技大學(xué);2014年

3 鐘露;復(fù)雜背景下紅外弱小目標(biāo)的正演模擬與仿真技術(shù)研究[D];電子科技大學(xué);2016年

4 謝林利;復(fù)雜背景下紅外弱小目標(biāo)檢測[D];華中科技大學(xué);2014年

5 閻兵早;復(fù)雜背景下紅外弱小目標(biāo)圖像仿真技術(shù)研究[D];重慶郵電大學(xué);2013年

6 曾雅瓊;復(fù)雜背景下的紅外弱小目標(biāo)的檢測[D];南京理工大學(xué);2012年

7 劉洋;紅外弱小目標(biāo)圖像預(yù)處理算法設(shè)計與實現(xiàn)[D];哈爾濱工程大學(xué);2008年

8 龍波;天空背景下紅外弱小目標(biāo)的檢測與跟蹤算法研究[D];電子科技大學(xué);2010年

9 張毅;紅外弱小目標(biāo)圖像增強(qiáng)與目標(biāo)匹配[D];電子科技大學(xué);2010年

10 趙耀;紅外弱小目標(biāo)檢測算法研究[D];浙江大學(xué);2015年

本文編號：2341412