基于超完備圖像稀疏表示的自適應紅外小目標檢測算法.pdf

1、紅外弱小目標的檢測是當前紅外圖像處理領域的研究熱點與難點之一。由于小目標在整幅紅外圖像中所占像素點極少,加之目標與背景之間的對比度通常不高,要準確地對小目標進行檢測是比較困難的。超完備圖像稀疏表示是近些年來新提出的一種圖像表示方法,它采用超完備字典來對圖像進行自適應表示,以增加基的復雜度為代價換取表示結果的稀疏性。文章的目的在于提出一種基于超完備稀疏表示并且能夠快速求解稀疏結果的紅外小目標檢測算法。
　　超完備字典的構建是超完備圖

2、像稀疏表示的核心問題之一。目前超完備字典的構建大體上可以分為兩個類別:一是將現(xiàn)有的完備正交基進行級聯(lián),得到新的超完備字典;二是基于訓練樣本特征,有針對性地直接構建與樣本相關的超完備字典。其中采用第二種方法來構造超完備字典比較方便、靈活,更符合目標的外觀特點,因而更受人們重視,文章將采用該方法進行超完備字典的構建。
　　在此基礎上,為了解決求解稀疏結果困難的難題,文章首先利用超完備字典構建一個標準參照模型,再將經(jīng)過超完備字典表示后的

3、圖像結果與標準參照模型求差分,然后對差分結果求取稀疏表示值,確定紅外小目標在圖像中的具體位置和關鍵目標特征等信息。
　　在平衡檢測精確度與算法速度的基礎上,文章還對算法做出一定的改進,主要包括:一,引入TDI技術,提高原始噪聲圖像的圖像信噪比,進而提高算法的檢測精確度;二,根據(jù)圖像子塊的能量分布篩選可疑目標區(qū),減少每次檢測時的運算量,提高算法效率。
　　從仿真結果來看,文章提出的算法在圖像信噪比較高時,對小目標的檢測結果比較