基于高阶张量的红外弱小目标多特性建模与检测方法研究

复杂背景下红外弱小目标的灰度分布、目标对比度、目标运动轨迹和目标的局部背景灰度分布四种重要特性的变化严重限制了传统和当前目标检测方法的推广能力。从样本库的设计出发，具有多特性描述能力的高阶张量在多特性、多因素建模方面具有独特的优势，广泛应用于图像处理、计算机视觉等领域。本项目旨对复杂背景下红外弱小目标的成像过程进行深入研究，通过仿真、实验采集、收集等手段建立具有代表性的目标样本数据库；利用高阶张量代数理论，建立能比较全面地描述红外弱小目标四种重要特性的目标多特性模型；在此基础上，结合可用先验信息和已有研究成果，研究具有较强推广能力的目标检测算法；并进一步研究算法的综合性能评估方法和算法的实用化方法。本项目的研究成果将能为红外目标搜索跟踪系统提供理论与关键技术支持，为我国智能武器系统和智能民用系统（如民用搜救系统）的研制奠定基础，因此，项目研究具有十分重要的科学意义和广阔的应用前景。

复杂背景下红外弱小目标检测是目标搜索与跟踪系统的关键技术之一，是图像信息处理技术研究领域富有挑战性的课题。本项目研究按项目计划开展了四方面的研究：（1）红外图像仿真及目标样本库的构建研究，包括提出了合理而有效的红外弱小目标图像仿真方案，并开发了一套带GUI的红外图像仿真软件，最终形成了一个合理的红外弱小目标图像样本库。（2）红外图像预处理研究，包括提出了基于过完备词典和稀疏表示的红外图像去噪方法和提出了基于三维块匹配的红外图像去噪，形成了有效的红外图像去噪实用算法。（3）红外弱小目标检测方法研究：a）对张量模型理论进行了深入研究，包括研究了一种利用循环加权中值算法的低秩张量分解和一种稀疏主成分分析的块坐标下降法；b）开展了基于二阶张量模型的小目标检测方法研究，包括基于局部块（patch）模型的二阶低秩张量的红外小目标检测算法，基于奇异值分解的红外小目标检测模型和基于核主成分分析的红外小目标检测；c）开展了基于三阶和高阶张量模型的小目标检测方法研究，包括提出了在实际红外小目标检测中可行的三阶张量模型和基于五阶张量的红外小目标检测算法；d）研究了基于稀疏环表示的红外小目标快速检测算法，并取得了较好的效果；e）开发了一套带GUI的红外小目标检测算法评估软件平台，可用于算法的性能评估。（4）对红外行人目标检测、人流量统计、路标的检测和识别、彩色图像增强、行为识别算法研究、事件检测算法研究、文档图像自动分析研究、场景文本检测与识别、深度图像处理等拓展研究内容进行了广泛研究，并取得了较好的效果。近三年来在本项目支持下共发表和录用论文22篇，包括4篇SCI收录期刊论文（其中一篇发表在IEEE Transactions on Image Processing图像处理领域权威期刊，另外一篇发表在IEEE Aerospace and Electronic Systems Magazine航空与电子研究领域权威期刊上），EI检索11篇，参加相关国际国内学术交流8人次，申请专利2项，其中已授权1项，申请软件著作权2项，培养硕士研究生15名。目前, 很多前沿工作引起国内外同行的关注。