红外小目标图像快速核稀疏表示理论与方法研究

Detecting and tracking small target in infrared image/imagery is a very hot and difficult issue in the field of Computer Vision due to the low signal-to-clutter ratio, low contrast of infrared image, and the small size, lack of shape and texture information of the target. There's little breakthrough on this issue recently, though many scholars research on it, so there is an urgent need to introduce new theories and methods to solve this problem. Sparse Representation (SR) is the theory that can represent the interesting of target in an image with a smaller amount of data, and the methods based on SR has achieved good results in image classification, face recognition etcetera. Especially, Kernel Sparse Representation (KSR) is presented to solve the nonlinear image processing problem, and outperforms SR in theories and image processing application. This project is to implement the theory research on KSR and application research on infrared small target image processing, and to solve two key science problems: fast KSR of infrared small target image and KSR Dictionary Learning, to improve the KSR-Based small target detecting and tracking algorithm, and to construct a method system of the KSR-Based infrared small target image processing. This research will not only further improve the KSR theory, but also provide highly increase the processing capacity of infrared small target image.

红外小目标图像信杂比低、对比度差、目标尺寸小、缺乏形状与纹理信息，对小目标进行检测与跟踪一直是计算机视觉领域的热点与难点问题，很多学者对此展开研究，但进展缓慢，亟需引入新理论、新方法。稀疏表示能够用较小的数据量捕捉图像中感兴趣目标的信息，在图像分类、人脸识别等图像处理领域取得了较好的效果，尤其是最近提出的核稀疏表示理论，进一步解决了稀疏表示在处理图像非线性问题上存在的理论瓶颈问题，在红外小目标图像处理上具有理论优势。本项目重点开展快速核稀疏表示理论研究及其在红外小目标图像处理上的应用方法研究，突破红外小目标图像快速核稀疏表示、核稀疏字典生成两个关键科学问题，研究基于核稀疏表示的红外小目标检测与跟踪算法，建立核稀疏红外小目标图像处理方法体系。本项目研究不仅能够进一步完善核稀疏表示理论，而且为红外小目标图像处理提供新的理论依据和处理方法，有望提高处理能力。

本项目重点开展了快速核稀疏表示理论研究及其在红外小目标图像处理上的应用方法研究，实现了红外小目标图像快速核稀疏表示。稀疏表示能够用较小的数据量捕捉图像中感兴趣目标的信息，核稀疏表示理论，进一步解决了稀疏表示在处理图像非线性问题上存在的理论瓶颈问题，在红外小目标图像处理上具有理论优势。.在红外小目标核稀疏表示理论基础上，对红外小目标的检测方法进行研究。首先利用大量包含小目标的图像块生成向量，并通过正则化构建超完备字典。然后，在待检测图像中通过移动窗口逐个获取子图像，利用相同方法获取正则化向量，映射到核空间，并利用生成的超完备字典进行核稀疏表示。以正相关指标（PCI）作为判定准则，对红外小目标进行检测。.本项目重点对基于核稀疏表示的机载前视红外目标（FLIR）跟踪方法进行研究。针对FLIR成像平台的自运动，以及目标姿态变化、光照变化、部分遮挡等因素，在跟踪过程中目标外观会实时发生复杂的变化，本项目通过核稀疏表示方法鲁棒地描述目标，利用粒子滤波方法对红外目标进行跟踪。受人类视觉系统的显著性检测能力启发，假设显著区域存在目标可能性较大，根据谱残差法获得原始图像的显著图，根据粒子在显著图中的观测结果使粒子集合向显著区域迁移，重新构建目标状态空间，当目标状态会在单位时间内发生明显的变化时，通过增加粒子的多样性确保覆盖真实的目标状态。.通过本项目研究，共培养两位博士研究生，其课题直接来源于本项目研究内容，或与本项目相关的关键技术。共发表科技论文5篇，其中SCI/EI双检期刊2篇，EI检索3篇。