基于自适应多尺度矩阵低秩分解的复杂背景下红外小目标检测方法研究

To address the problem of unfitness of the attitude and size of target and insufficient background suppression in the infrared small target detection under complex background, in this project, based on the theory of the multi-scale low-rank matrix decomposition, combining with the latest technological achievements of the image block multi-scale detection in the field of infrared small target detection, the research of theory and application is carried out for adaptive multi-scale detection of infrared small target. The method of multi-scale low-rank matrix decomposition of infrared image is studied, which involves image block partition mode and scale set plan of an image matrix, it will lead to an effective multi-scale low-rank decomposition that matches the scale characteristic of infrared small target; The method of the feature representation and extraction of infrared small target scale image and the joint feature of adjacent scale sub images is studied. The obtained joint characterization parameters are used to discriminate the optimization of image block partition and scale, as well as to implement the strategy of adaptive optimal of image block partition and scale, and then the characteristics of infrared small target under different scale effective are extracted and the optimal target scale image is selected; The multi-scale image information fusion method based on the joint characteristics is studied to realize the optimal fusion of different scale sub image information, and with this work, it can achieve a highly reliable and accurate detection for infrared small target. The research results of this project will provide important theory and method support for robust and accurate detection of infrared small target under complex background.

针对复杂背景下红外小目标检测存在的对目标大小与姿态适应度不够以及背景抑制不充分问题，本项目将以矩阵多尺度低秩分解为主要理论依据，结合当前红外小目标检测应用中有关图像分块多尺度检测的最新技术成果，展开红外小目标自适应多尺度检测的理论与应用研究。研究红外图像矩阵的多尺度低秩分解方法，探索针对红外小目标检测问题的图像矩阵块划分方式与尺度设置方案，实现可有效匹配红外小目标特征的多尺度低秩分解；研究尺度子图像红外小目标特征以及相邻尺度子图像目标联合特征的表征与提取方法，探索利用联合表征参数进行红外图像块划分与尺度最优化判别与自适应优化的实施策略，进而实现不同尺度下红外小目标特征的有效提取与目标检测；研究基于联合特征的多尺度图像信息融合方法，实现对不同尺度子图像信息的最优融合，进而完成对红外小目标的高可靠与高精度检测。本项目研究成果将为复杂背景下红外小目标的鲁棒性与高精度检测提供重要的理论与方法支撑。

本项目以矩阵多尺度低秩分解为主要理论依据，结合当前红外小目标检测应用中有关图像分块多尺度检测的最新技术成果，展开了红外小目标自适应多尺度检测的理论与应用研究。主要研究内容包括：图像低秩分解多尺度检测、图像变换类多尺度检测以及图像特征多尺度检测等三方面的工作。其中的主要成果有：. 1. 图像低秩分解多尺度检测方面成果：在已有研究成果频谱尺度空间的基础上，结合低秩稀疏分解算法提出精确的特征匹配和尺度选择策略； 针对极端复杂背景，在低秩稀疏分解算法之前引入图像分割领域先进的超像素分割技术；在经典的低秩分解模型(IPI)的基础上，提出应用于分离红外小目标与背景残差的有效秩分层模型；进一步改进低秩分解模型的固有缺陷，将压缩感知模型应用于红外小目标检测。. 2. 图像变换类多尺度检测方面成果：对二维最小均方滤波器的构造进行剖析，并提出基于自适应双层TDLMS滤波的红外小目标检测方法；双树复小波分析模型与图像熵在红外小目标 检测方面的应用；深入分析WBCT并结合峰度图进行理论创新。. 3. 图像特征多尺度检测方面成果：基于图像的局部对比机制并针对未知目标大小的红外目标选取多尺度窗口，提出了基于局部误差对比的多尺度红外目标模型；在已有研究模型匹配小目标形状的基础上，结合矩阵的点积运算提出一种用于红外小目标检测的多尺度峰度图融合方法。通过对与红外小目标特征相匹配的多尺度低秩分解模型构建、红外小目标多尺度联合特征提取、多尺度图像信息融合等问题的深入研究，实现各种复杂背景下、不同类型的红外小目标的高可靠与高准确检测。. 总体而言，本项目对红外小目标多尺度检测技术展开了深入的理论与应用研究，并取得了一系列富有成效的研究成果，建立了一套性能优良的基于矩阵多尺度低秩分解的自适应多尺度红外小目标检测方法。该系列方法代表了当前红外小目标检测的最新技术水平，具有良好的应用前景。.