基于图像稀疏表示的红外小目标检测算法.pdf

《基于图像稀疏表示的红外小目标检测算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第2期红外与毫米波学报Vol．30，No．22011年4月J．InfraredMillim．WavesApril，2011文章编号:1001－9014(2011)02－0156－07基于图像稀疏表示的红外小目标检测算法11121赵佳佳，唐峥远，杨杰，刘尔琦，周越(1．上海交通大学图像处理与模式识别研究所，上海200240;2．中国航天科工集团公司第三研究院，北京100074)摘要:基于超完备字典的图像稀疏表示是一种新的图像表示理论，利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征，从而实现图像的有效表示．针对红外小目标检测问题，提出

2、了一种基于图像稀疏表示的检测方法，该方法采用二维高斯模型生成样本图像，继而构造超完备目标字典，然后依次提取测试图像的图像子块并计算其在超完备字典中的表示系数，背景和目标的表示系数有着显著的差异，最后通过一个量化指标来判别该子图像块是否含有小目标，实验结果证实了所提方法的有效性．关键词:图像稀疏表示;红外小目标;目标检测中图分类号:TP391．4文献标识码:AInfraredsmalltargetdetectionbasedonimagesparserepresentation11121ZHAOJia-Jia，TANGZheng-Yuan，YANG

3、Jie，LIUEr-Qi，ZHOUYue(1．InstituteofImageProcessingandPatternRecognition，ShanghaiJiaoTongUniversity，Shanghai200240，China;2．InstituteoftheThirdAcademy，CASIC，Beijing100074，China)Abstract:Thesparserepresentationbasedonover-completedictionaryisanewimagerepresentationtheory．Theredun

4、-dancyofover-completedictionarycanenableiteffectivelytocapturethegeometricalcharacteristicsoftheimages．Inthispaper，anoveldetectionmethodbasedonimagesparserepresentationwasintroduced．Theover-completetargetdictionaryisfirstconstructedwithatomswhichareproducedbytwo-dimensionalGa

5、ussianmodel．Thenthesub-imageblocksofthetestimageareextractedsuccessivelyandthecorrespondingcoefficientsarecalculatedwiththeconstructedover-completetargetdictionary．Thereisasignificantdifferencebetweenthecoefficientsofobjectiveandbackground．Whetherthesub-imageblockcontainssmal

6、ltargetornotcanbedeterminedbytheindexofsparseconcentration．Experimentalresultsdem-onstratedtheeffectivenessoftheproposedmethod．Keywords:imagesparserepresentation;infraredsmalltarget;objectdetectionPACS:07．57．Kp是机器视觉和图像处理领域的热门研究课题．引言当前，基于单帧的红外小目标检测算法可以分利用红外成像技术实现目标检测是红外制导的为两类:

7、基于图像滤波的检测算法和基于机器学习关键技术之一，同时也是军事武器系统的自动化、智的检测算法．基于图像滤波的检测算法，首先对红外能化、现代化的重要标志之一，因此国内外许多科研图像的背景起伏分量进行估计，也称为背景估计，然机构的学者一直致力于该项技术的研究．由于红外后将原始图像与背景起伏分量相减，以得到包含目传感器受到大气、海面辐射、作用距离以及探测器噪标成分和噪声成分的图像，接着通过阈值处理或其声等因素影响，使得远距离的目标在红外图像上尺他方法得到目标的位置，代表方法包括Max-［1］［1］［2］［3］寸较小，甚至呈现点状;此外，图像的信噪比较低

8、，加Mean，Max-Median，Top-Hat，TDLMS．基于上背景通常情况下比较复杂，目标很容易被噪声和机器学习的检测算法，则是