基于改进加权核范数的红外弱小目标检测

摘要：

针对传统基于鲁棒主成分分析(RPCA)的红外弱小目标检测算法对噪声不敏感,算法运行时间长,鲁棒性不强的问题,提出一种重加权红外小目标图像模型,并用非精确增广拉格朗日乘子法(AIALM)求解.该方法首先将原始红外图像转化为红外块图像模型,然后采用重加权核范数对背景块图像进行约束,较好地保留了背景边缘.针对单纯使用l1范数不能抑制某些噪声或杂波的问题,引入了加权l1范数,进一步增强了目标图像的稀疏性.最后,将红外块图像模型转化为重加权RPCA问题,并用AIALM求解.通过大量实验表明:该算法在抑制背景杂波以及目标检测性能方面要优于其他传统算法.

关键词：小目标检测、红外块图、低秩稀疏矩阵、鲁棒主成分分析、重加权

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：776-781