-
题名低秩张量子空间学习红外小目标检测
- 1
-
-
作者
王衍
胡宏博
彭真明
-
机构
北京空间机电研究所
电子科技大学信息与通信工程学院
-
出处
《数据采集与处理》
北大核心
2025年第2期349-364,共16页
-
基金
四川省自然科学基金(2025ZNSFSC0522)
国家自然科学基金(61571096)。
-
文摘
红外目标检测系统是可靠探测和识别背景辐射与其他干扰条件下高价值目标的有效技术手段之一,广泛应用于各个领域。红外弱小目标检测作为系统的重要组成部分,仍是当前具有挑战性的关键核心技术。本文提出了一种基于低秩张量子空间学习的方法,该方法在考虑序列在空时连续一致性的同时,也保留了红外图像结构的完整性。通过空时滑动窗获得空时张量块模型,利用多子空间学习策略构建不同场景下的红外张量字典模型。最后,采用最优化算法求解所提出的红外张量目标函数,获得低秩背景和稀疏目标张量,通过重构图像检测出感兴趣的红外弱小目标。实验结果表明,在复杂背景高反虚警环境及组合强干扰场景下,该方法目标检测性能优于其他现有检测算法。
-
关键词
空时结构张量
低秩稀疏逼近
子空间学习
红外小目标检测
组合干扰场景
-
Keywords
spatio-temporal structure tensor
low-rank sparse approximation
subspace learning
infrared small target detection
combined interference scenarios
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名稀疏低秩双线性判别模型及其应用
被引量：1
- 2
-
-
作者
蒋琳
谭晓阳
刘俊
-
机构
南京航空航天大学信息科学与技术学院
-
出处
《计算机科学与探索》
CSCD
2010年第7期654-661,共8页
-
基金
国家自然科学基金No.60773060
60905035
江苏省自然科学基金 No.BK200922660~~
-
文摘
"高维度小样本"问题是模式识别应用中的主要障碍之一。跨越这一障碍的有效方法之一是采用参数矩阵的低秩逼近,目的是控制模型复杂度。常用的低秩逼近方法需要预先指定目标矩阵秩的大小(如主成分分析)。提出了一种新的基于稀疏约束的低秩判别模型,此模型通过对目标参数进行矩阵分解,然后分别对子成分施加低秩(稀疏)约束,从而达到低秩逼近的目的。进一步将这一思想嵌入一个双边判别模型,并用坐标下降法对目标函数进行优化,使得算法在低秩逼近的同时还有效利用了输入数据的空间特性,从而得到更好的推广性能。其有效性在一个安全生物识别应用上得到了验证。
-
关键词
稀疏低秩逼近
双边判别框架
主成分分析
-
Keywords
sparse low rank approximation
bilinear discriminative framework
principal component analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
