低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依...低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依赖经验预先定义秩:若秩估计过大或过小,会导致漏检或虚警。而且,不同场景中秩的大小不一样,限制了实际应用。为了解决这一问题,本文采用非凸秩接近范数约束低秩塔克分解的潜在因子,无需手动设置秩,从而显著提升了算法在不同场景中的鲁棒性。进一步地,设计了基于对称高斯-赛德尔的交替方向乘子法(symmetric GaussSeidel based alternating direction method of multipliers algorithm,sGSADMM)来求解所提模型。与现有基于交替方向乘子法相比,sGSADMM算法通过利用更多结构信息,实现了更高的求解精度。大量实验表明,所提方法在检测性能和背景抑制等方面均优于现有的先进算法。展开更多
红外小目标的检测一直是红外追踪系统的关键技术,针对现有红外小目标检测方法在复杂背景下易造成虚警、检测速度慢的不足,从人类视觉系统的角度出发,参考了多尺度局部能量因子检测方法(multiscale local contrast measure using a local...红外小目标的检测一直是红外追踪系统的关键技术,针对现有红外小目标检测方法在复杂背景下易造成虚警、检测速度慢的不足,从人类视觉系统的角度出发,参考了多尺度局部能量因子检测方法(multiscale local contrast measure using a local energy factor,MLCM-LEF),提出了一种基于双层局部能量因子的红外小目标检测方法.从局部能量差异与局部亮度差异两个角度进行目标检测,使用双层局部能量因子从能量角度描述小目标与背景的相异程度,同时采取加权亮度差因子从亮度角度对图像进行目标检测,通过二维高斯融合上述二者的处理结果,最终利用图像均值和标准差进行自适应阈值分割,提取红外小目标.经过公开数据集实验测试,该方法在抑制背景噪声、减低虚警概率的表现上比主流的检测方法有所提升,与MLCM-LEF算法相比,基于双层局部能量因子的方法将单帧检测时间降低至三分之一.展开更多
为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(lea...为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法。首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型LS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较。结果表明该方法具有更高的检测概率和信噪比增益。展开更多
文摘低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依赖经验预先定义秩:若秩估计过大或过小,会导致漏检或虚警。而且,不同场景中秩的大小不一样,限制了实际应用。为了解决这一问题,本文采用非凸秩接近范数约束低秩塔克分解的潜在因子,无需手动设置秩,从而显著提升了算法在不同场景中的鲁棒性。进一步地,设计了基于对称高斯-赛德尔的交替方向乘子法(symmetric GaussSeidel based alternating direction method of multipliers algorithm,sGSADMM)来求解所提模型。与现有基于交替方向乘子法相比,sGSADMM算法通过利用更多结构信息,实现了更高的求解精度。大量实验表明,所提方法在检测性能和背景抑制等方面均优于现有的先进算法。
文摘红外小目标的检测一直是红外追踪系统的关键技术,针对现有红外小目标检测方法在复杂背景下易造成虚警、检测速度慢的不足,从人类视觉系统的角度出发,参考了多尺度局部能量因子检测方法(multiscale local contrast measure using a local energy factor,MLCM-LEF),提出了一种基于双层局部能量因子的红外小目标检测方法.从局部能量差异与局部亮度差异两个角度进行目标检测,使用双层局部能量因子从能量角度描述小目标与背景的相异程度,同时采取加权亮度差因子从亮度角度对图像进行目标检测,通过二维高斯融合上述二者的处理结果,最终利用图像均值和标准差进行自适应阈值分割,提取红外小目标.经过公开数据集实验测试,该方法在抑制背景噪声、减低虚警概率的表现上比主流的检测方法有所提升,与MLCM-LEF算法相比,基于双层局部能量因子的方法将单帧检测时间降低至三分之一.
文摘为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法。首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型LS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较。结果表明该方法具有更高的检测概率和信噪比增益。
