基于svd背景抑制和粒子滤波的弱小目标检测

《基于svd背景抑制和粒子滤波的弱小目标检测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第２８卷第４期计算机应用研究Ｖｏｌ畅２８Ｎｏ畅４２０１１年４月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＡｐｒ畅２０１１倡基于SVD背景抑制和粒子滤波的弱小目标检测崔丽洁，郑江滨，李秀秀（西北工业大学计算机学院，西安７１０１２９）摘要：针对云天背景下红外弱小目标的检测算法中常见的目标漏检和检测错误问题，提出了一种基于奇异值分解背景抑制和粒子滤波联合检测算法。该算法首先采用奇异值分解滤波抑制红外图像背景，获取候选目标位置；然后采用粒子滤波算法估计目标运动状态，获取目标搜索窗口；最后将单帧检测候选目标与预测的搜索窗口相结合实现小目标检测。对真实红外图像序列进行实验表明，该

2、方法有效地解决了ＳＶＤ滤波单帧漏检和粒子滤波预测错误导致的目标检测错误问题，从而提高了低信噪比下弱小目标的检测能力。关键词：奇异值分解；背景抑制；粒子滤波；红外小目标检测中图分类号：ＴＰ３９１　　　文献标志码：Ａ文章编号：１００１唱３６９５（２０１１）０４唱１５５３唱０３ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１唱３６９５．２０１１．０４．０９９ＤｅｔｅｃｔｉｎｇｓｍａｌｌｔａｒｇｅｔｓｂａｓｅｄｏｎＳＶＤｆｏｒｂａｃｋｇｒｏｕｎｄｓｕｐｐｒｅｓｓｉｏｎａｎｄｐａｒｔｉｃｌｅｆｉｌｔｅｒＣＵＩＬｉ唱ｊｉｅ，ＺＨＥＮＧＪｉａｎｇ唱ｂｉｎ，ＬＩＸｉｕ唱ｘｉｕ（Dept．ofComput

3、erScience＆Engineering，NorthwesternPolytechnicalUniversity，Xi’an７１０１２９，China）Abstract：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎａｂｉｌｉｔｙｆｏｒｉｎｆｒａｒｅｄｓｍａｌｌｔａｒｇｅｔｓｕｎｄｅｒｃｌｏｕｄｙｓｋｙｂａｃｋｇｒｏｕｎｄ，ｔｈｉｓｐａｐｅｒｐｒｏ唱ｐｏｓｅｄａｎｏｖｅｌｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＳＶＤｆｉｌｔｅｒａｎｄｐａｒｔｉｃｌｅｆｉｌｔｅｒ．Ｉｎｔｈｉｓａｌｇｏｒｉｔｈｍ，ｆｉｒｓｔｌｙ，ｕｔｉｌｉｚｅｄａＳＶＤｆｉｌｔｅｒｔｏｓｕｐ唱ｐｒｅｓ

4、ｓｔｈｅｂａｃｋｇｒｏｕｎｄａｎｄｏｂｔａｉｎｓｅｖｅｒａｌｃａｎｄｉｄａｔｅｔａｒｇｅｔｓ．Ｓｅｃｏｎｄｌｙ，ｕｔｉｌｉｚｅｄｐａｒｔｉｃｌｅｆｉｌｔｅｒｔｏｔｒａｃｋｔｈｅｔａｒｇｅｔａｎｄｇｏｔｔｈｅｔａｒｇｅｔｓｅａｒｃｈｗｉｎｄｏｗ．Ｆｉｎａｌｌｙ，ｄｅｔｅｃｔｅｄｔｈｅｔａｒｇｅｔｂｙｃｏｍｂｉｎｉｎｇｔｈｅｃａｎｄｉｄａｔｅｔａｒｇｅｔｓｗｉｔｈｔｈｅｓｅａｒｃｈｗｉｎｄｏｗ．Ｓｅｖｅｒａｌｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｄｅｔｅｃｔｔｈｅｓｍａｌｌｔａｒｇｅｔｅｆｆｅｃｔｉｖｅｌｙｗｈｅｎｔｈｅｂａｃｋｇｒｏｕｎｄｉｓ

5、ｃｏｍｐｌｅｘｏｒｎｏｉｓｙ．Keywords：ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＳＶＤ）；ｂａｃｋｇｒｏｕｎｄｓｕｐｐｒｅｓｓｉｏｎ；ｐａｒｔｉｃｌｅｆｉｌｔｅｒ；ｉｎｆｒａｒｅｄｓｍａｌｌｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ目前，低信噪比情况下，红外弱小目标的检测是红外监控况下通过确定的目标位置及时更新，这样即可提高粒子滤波的［１］系统和红外目标成像制导的核心技术和研究热点。传统的预测稳健性，从而避免因粒子滤波预测错误而导致检测错误的［２～４］弱小目标检测算法总体来说包括两大步骤：ａ）对单帧图像问题；当小目标被过度抑制掉时，通过粒子滤波获得目标状态进行背景抑制，找出少

6、量候选目标点；ｂ）根据目标像素在图像的最优估计来确定此时的目标位置，这样即可有效地避免因过序列中运动的连续性原则从候选目标中找到真正的目标点。度抑制背景导致小目标丢失，而无法正确检测的问题。ＳＶＤ滤波方法以其良好的数值稳健性和自适应性常被用于图像的背景抑制与去噪中［５，６］，该方法可以有效地抑制背景，但1SVD背景抑制基本原理过度地抑制也往往将淹没在背景中的小目标排除在候选目标［９］根据奇异值分解的理论，设一幅尺寸为m×n的二维图之外而使其丢失，这样致使ｂ）失去了意义；粒子滤波方法因能m×n像A的矩阵表示为A∈R，设其秩为r，则A可表示为r个处理非线性非高斯问题被广泛应用于动态系统状态

7、估计m×n大小的矩阵和的形式：［７，８］中，粒子滤波器简单灵活、适用范围广，具有很高的鲁棒rＴ性，但当图像中存在小目标被噪声遮挡的情况下，会出现目标A＝∑i＝１λiuivi（１）运动状态预测错误以致检测错误的问题。目标被遮挡影响粒其中：λi为矩阵A的第i个奇异值；ui、vi分别为左右奇异矢子滤波预测性能，这是因为目标跟踪过程是一个模板匹配与更量；λuvＴ为由第i个奇异值λ分解重构出的矩阵，在这里称iiii新的过程，当小目标被遮挡时会引起目标区域