包邮复杂背景下的红外弱小目标检测技术研究

第 1 章 绪论 1 1.1 研究背景及意义 1 1.2 国内外研究现状及发展动态 4 1.2.1 红外图像预处理技术 5 1.2.2 红外目标检测技术 6 1.3 本书主要工作及内容安排 11 第 2 章 背景杂波特性分析及理论基础 14 2.1 背景杂波特性分析 14 2.1.1 复杂度评价指标 15 2.1.2 平滑场景 15 2.1.3 非平滑场景 16 2.1.4 高亮杂波干扰场景 17 2.1.5 复杂噪声场景 19 2.2 仿真数据生成方法 20第 1 章 绪论 1 1.1 研究背景及意义 1 1.2 国内外研究现状及发展动态 4 1.2.1 红外图像预处理技术 5 1.2.2 红外目标检测技术 6 1.3 本书主要工作及内容安排 11 第 2 章 背景杂波特性分析及理论基础 14 2.1 背景杂波特性分析 14 2.1.1 复杂度评价指标 15 2.1.2 平滑场景 15 2.1.3 非平滑场景 16 2.1.4 高亮杂波干扰场景 17 2.1.5 复杂噪声场景 19 2.2 仿真数据生成方法 20 2.3 评价指标 21 2.4 低秩和稀疏重构恢复 24 2.4.1 预备知识 24 2.4.2 低秩和稀疏重构恢复 31 2.4.3 常用优化方法 33 2.5 本章小结 35 第 3 章 基于张量主成分分析的目标检测方法 36 3.1 红外图像的低秩和稀疏分解模型 383.1.1 IPI 模型 38 3.1.2 IPT 模型 39 3.2 WNRIPT 方法 41 3.2.1 加权核范数 41 3.2.2 WNRIPT 模型的建立与求解 42 3.2.3 实验与结果分析 46 3.3 WSNM-STIPT 目标检测方法 57 3.3.1 STIPT 模型 57 3.3.2 WSNM 方法 59 3.3.3 WSNM-STIPT 的建立与求解 59 3.3.4 实验与结果分析 63 3.4 本章小结 75 第 4 章 基于时空域信息和总变分正则项的目标检测方法 76 4.1 总变分正则项 77 4.2 TV-STIPT 模型的建立与求解 78 4.2.1 模型的建立 78 4.2.2 模型求解 79 4.2.3 复杂度分析 83 4.3 实验与结果分析 84 4.3.1 实验数据 84 4.3.2 参数设置 84 4.3.3 对比方法 85 4.3.4 TV-STIPT 方法的有效性验证 85 4.3.5 参数影响分析 85 4.3.6 对比实验 87 4.3.7 算法收敛性分析 93 4.3.8 运行时间对比 93 4.4 本章小结 94 第 5 章 基于时空域信息和多子空间学习的目标检测方法 95 5.1 MSL 理论 96 5.2 MSLSTIPT 模型的建立与求解 98 5.2.1 模型的建立 98 5.2.2 模型求解 99 5.2.3 字典构建 103 5.2.4 复杂度分析 103 5.3 实验与结果分析 104 5.3.1 实验数据 104 5.3.2 参数设置 104 5.3.3 对比方法 105 5.3.4 MSLSTIPT 方法的有效性验证 105 5.3.5 参数影响分析 107 5.3.6 对比实验 107 5.3.7 运行时间对比 115 5.4 本章小结 115 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 116 6.1 MoG 模型 117 6.2 MFD-NMoG 模型的建立与求解 118 6.2.1 模型的建立 119 6.2.2 模型求解 120 6.2.3 复杂度分析 126 6.3 实验与结果分析 126 6.3.1 实验数据 127 6.3.2 参数设置 127 6.3.3 对比方法 127 6.3.4 MFD-NMoG 方法的有效性验证 128 6.3.5 参数影响分析 128 6.3.6 MFD 方法的有效性验证 128 6.3.7 对比实验 130 6.3.8 运行时间对比 135 6.4 本章小结 135 第 7 章 总结与展望 136 7.1 本书工作总结 136 7.2 未来工作展望 139 参考文献 140