复杂背景下的红外弱小目标检测技术研究

本书面向复杂背景下的 红外弱小目标检测跟踪系统 的高精度检测需求，针对复 杂噪声、高亮杂波、非平滑 背景等典型检测场景出现的 效率低、虚警高和目标漏检 问题，基于低秩稀疏分解重 构模型，针对红外图像序列 创新设计了时空域张量块处 理模型，实现了稳健高效的 目标检测和背景杂波抑制， 并运用实例验证了其有效性 。 本书所设计实现的基于 高维张量空间的低秩稀疏分 解重构模型的目标检测技术 ，可以有效学习红外目标和 背景杂波的数据特征以及它 们之间的区别，从而有效分 离两者，可有效解决传统红 外目标检测算法对算法参数 敏感性的问题，可为红外弱 小目标检测技术的进一步发 展提供重要参考。 本书适合作为信息与通 信工程、计算机科学与技术 等专业本科生和研究生的教 材，也可作为从事空间信息 处理、图像处理领域的科研 工作者、工程技术人员的参 考书。

孙扬，男，1992年出生，湖南岳阳，国防科技大学博士学位，现为国防科技大学系统工程学院讲师、博士后，主要研究方向为预警探测信息处理、智能任务规划和智能Agent应用。作为技术骨干参与十三五、十四五、国防科技创新各类工程项目10余项，授权专利2项，发表SCI6篇、EI论文5篇，其中1篇TGRS入选ESI前1%。获得全国研究生、全军数学建模、国际数学建模竞赛一等奖。

第1章 绪论 1.1 研究背景及意义 1.2 国内外研究现状及发展动态 1.2.1 红外图像预处理技术 1.2.2 红外目标检测技术 1.3 本书主要工作及内容安排 第2章 背景杂波特性分析及理论基础 2.1 背景杂波特性分析 2.1.1 复杂度评价指标 2.1.2 平滑场景 2.1.3 非平滑场景 2.1.4 高亮杂波干扰场景 2.1.5 复杂噪声场景 2.2 仿真数据生成方法 2.3 评价指标 2.4 低秩和稀疏重构恢复 2.4.1 预备知识 2.4.2 低秩和稀疏重构恢复 2.4.3 常用优化方法 2.5 本章小结 第3章 基于张量主成分分析的目标检测方法 3.1 红外图像的低秩和稀疏分解模型 3.1.1 IPI模型 3.1.2 IPT模型 3.2 WNRIPT方法 3.2.1 加权核范数 3.2.2 WNRIPT模型的建立与求解 3.2.3 实验与结果分析 3.3 WSNM-STIPT目标检测方法 3.3.1 STIPT模型 3.3.2 WSNM方法 3.3.3 WSNM-STIPT的建立与求解 3.3.4 实验与结果分析 3.4 本章小结 第4章 基于时空域信息和总变分正则项的目标检测方法 4.1 总变分正则项 4.2 TV-STIPT模型的建立与求解 4.2.1 模型的建立 4.2.2 模型求解 4.2.3 复杂度分析 4.3 实验与结果分析 4.3.1 实验数据 4.3.2 参数设置 4.3.3 对比方法 4.3.4 TV-STIPT方法的有效性验证 4.3.5 参数影响分析 4.3.6 对比实验 4.3.7 算法收敛性分析 4.3.8 运行时间对比 4.4 本章小结 第5章 基于时空域信息和多子空间学习的目标检测方法 5.1 MSL理论 5.2 MSLSTIPT模型的建立与求解 5.2.1 模型的建立 5.2.2 模型求解 5.2.3 字典构建 5.2.4 复杂度分析 5.3 实验与结果分析 5.3.1 实验数据 5.3.2 参数设置 5.3.3 对比方法 5.3.4 MSLSTIPT方法的有效性验证 5.3.5 参数影响分析 5.3.6 对比实验 5.3.7 运行时间对比 5.4 本章小结 第6章 基于非独立同分布混合高斯模型和改进通量密度的目标检测方法 6.1 MoG模型 6.2 MFD-NMoG模型的建立与求解 6.2.1 模型的建立 6.2.2 模型求解 6.2.3 复杂度分析 6.3 实验与结果分析 6.3.1 实验数据 6.3.2 参数设置 6.3.3 对比方法 6.3.4 MFD-NMoG方法的有效性验证 6.3.5 参数影响分析 6.3.6 MFD方法的有效性验证 6.3.7 对比实验 6.3.8 运行时间对比 6.4 本章小结 第7章 总结与展望 7.1 本书工作总结 7.2 未来工作展望 参考文献