基于加权核范数最小化的红外弱小目标检测
提出一种基于加权核范数最小化的红外弱小目标检测方法.该方法将原始红外图像转化为新的红外块图像模式,在红外块图像上,以鲁棒主成分分析(RPCA)为基础,将图像数据矩阵分解为一个低秩矩阵和一个稀疏矩阵;针对RPCA模型对复杂背景描述能力弱的不足,引入了加权核范数来更好地描述背景的低秩特性,并给出了相应的优化求解算法.同时,给出了一种自适应阈值分割方法准确地从稀疏目标图像中提取出弱小目标.基于天空、海洋、山地、沙漠4种不同场景进行红外弱小目标检测,并比较了该算法和已有算法的性能,结果表明:该算法能仃效地降低复杂背景边缘产生的虚警,提高目标检测准确率.
红外图像 弱小目标检测 图像分解 加权核范数 自适应阈值分割
张丛丛 王欢 楼竞
南京理工大学计算机科学与工程学院,江苏南京210094
国内会议
哈尔滨
中文
163-168
2017-10-01（万方平台首次上网日期，不代表论文的发表时间）