基于空域稀疏性分析的小弱目標檢測技術(shù)研究.pdf

1、紅外小弱目標檢測是紅外自尋的制導、搜索跟蹤和預(yù)警等領(lǐng)域的一項關(guān)鍵技術(shù)。當探測器與目標之間的距離較遠時，目標在成像上表現(xiàn)為只占若干個像素的小目標，并且易于淹沒在各種雜波背景和強噪聲中，這給目標檢測與跟蹤帶來了很大難度。因此，研究有效檢測低信噪比條件下紅外小弱目標的新方法具有重要的理論和實際意義。
　　圖像稀疏表示理論僅用少量數(shù)據(jù)即可捕獲圖像的重要信息，能更準確簡潔高效地表示圖像信號，已成為繼小波與多尺度幾何分析方法之后的信號處理新理

2、論。本文采用圖像稀疏表示理論檢測不同背景下紅外小弱目標，著重研究了小弱目標在紅外圖像中表現(xiàn)出來的形態(tài)特征，通過訓練不同形態(tài)特征、不同尺度的超完備稀疏字典表示圖像信號，分析雜波、噪聲與目標的稀疏系數(shù)特征差異檢測紅外小弱目標。全文主要內(nèi)容為：
　　①介紹了稀疏理論的基本原理，分析了其在信號表示中的特點，詳細討論了兩類字典學習方法與稀疏求解方法。
　?、谔岢隼枚喑叨认∈枳值錂z測小弱目標的方法。重點分析了多尺度字典的構(gòu)造方法，及其

3、對背景抑制性能和小弱目標的分辨能力。利用目標與背景在多尺度字典的表示系數(shù)的差異，采用指數(shù)函數(shù)擬合稀疏表示系數(shù)，并以參數(shù)差異檢測小弱目標。
　?、厶岢隽艘环N能準確表示小弱目標信號的超完備稀疏字典的構(gòu)建方法。采用K_SVD字典學習算法構(gòu)造自適應(yīng)形態(tài)字典，構(gòu)造出更豐富更真實的小弱目標形態(tài)字典。對比分析了高斯二維模型小弱目標樣本集、離散Gabor感知多成分字典、Gabor字典以及自適應(yīng)形態(tài)字典，結(jié)果證明自適應(yīng)形態(tài)字典具有更多樣化的目標形態(tài)