首页 > 图书中心 >图书详情

复杂背景下的红外弱小目标检测技术研究

本专著中的部分内容为基础,作者曾获得全国数学建模竞赛一等奖,发表论文进入全球ESI前1%,引用量达到200余次。

作者:孙扬、陈英武
   
定价:69
印次:1-1
ISBN:9787302678069
出版日期:2024.12.01
印刷日期:2024.12.13

本专著的内容分为六大部分,第一章是绪论部分,主要介绍了课题的研究背景和意义,梳理概括了课题相关的研究现状,并且分析了目前红外弱小检测领域的困难和挑战;第二章介绍了理论基础,主要介绍涉及的基本数学理论、优化方法和算法评价指标;第三部分对红外背景的低秩性和目标的稀疏性进行了深入分析并且研究基于张量主成分分析方法的红外弱小目标检测方法;第四部分第四章主要针对非平滑场景的目标检测难题,研究基于时空域信息和总变分正则项的检测方法;第五部分主要针对高亮杂波干扰下的目标检测问题,研究基于时空域信息和多子空间学习的检测方法;第六部分研究了基于非独立同分布混合高斯模型和改进通量密度的目标检测方法。本专著的特色是深入浅出为读者介绍红外弱小目标检测问题,尽量用易于理解的方式展现研究工作和相关内容,面向的读者群体主要包括:空间信息处理相关方向的本科生和研究生、高校相关专业的教师、相关科研机构的研究人员、工业部门相关领域的技术人员、对该问题感兴趣的所有读者。

more >

前 言 红外目标检测技术在红外成像、导弹制导、空间态势感知和天基预警等诸多军用领域都发挥了十分重要的作用,数十年来一直受到人们的广泛关注,很多学者研究出了针对不同场景的方法,取得了一定的效果。但是,由于红外探测系统成像距离远、目标周围的背景杂波类型复杂,例如高亮杂波和强边缘干扰,同时在图像传输过程中可能受到复杂噪声的干扰,导致目标在像平面所占像元数目少、图像信噪比低,一些传统方法的检测性能容易受到严重影响,所以复杂背景下的红外弱小目标检测是一个十分具有研究价值的难题。本书针对复杂背景下的红外弱小目标检测技术展开研究,充分分析研究了不同场景下实现高性能目标检测的难点和特点,重点分析探讨了基于数据结构特征的弱小目标检测关键技术,主要工作如下: (1)提出了基于加权张量核范数的单帧目标检测方法。首先,采用红外图像张量块模型将单帧图像转换为张量形式;其次,利用张量主成分分析理论将原始图像张量分解为低秩背景张量和稀疏目标张量,并采用张量核范数对张量的秩进行估计;再次,采用了自适应的加权方法对低秩张量奇异值分解后得到的奇异值赋予不同的权重,进一步加强了算法对背景干扰的抑制能力;最后,通过仿真实验对所提算法性能进行分析,实验结果验证了所提算法的优越性。 (2)提出了基于时空域信息和加权Schattern-p范数的多帧目标检测方法。首先采用基于时空域信息的红外张量块模型将图像序列转化为包含时域和空域信息的张量形式,利用高维张量数据结构的优势同时挖掘数据本身在时域和空域的关联信息;然后针对传统核范数最小化方法和加权核范数最小化方法在低秩重构和奇异值估计时出现的``过度收缩''问题,提出了基于张量空间的加权Schattern-p范数对低秩张量进行估计,有效提高了重构精度,能够将背景中的结构更完整地保留在背景分量中,进而提高了目标检测精度,同时该方法利用张量奇异值分解在频域中的重要性质减少了奇异值分解的次数,显著提高了算法效率。 (3)提出了基于时空域信息和总变分正则项的目标检测方法。首先将图像序列转化为时空域红外张量块模型;然后针对其他基于低秩和稀疏重构模型的检测算法性能过度依赖于背景平滑度的缺点,提出了张量空间的总变分正则项,将其引入稀疏和低秩重构模型,对与目标同样具有稀疏性的强边缘和角点进行准确建模,抑制了这类具有稀疏性的杂波在目标图像中的残留;最后,通过仿真实验验证了所提方法能够有效提高非平滑场景下的目标检测能力,降低虚警率。 (4)提出了基于时空域信息和多子空间学习的目标检测方法。该方法首先针对单一子空间模型无法准确描述高亮杂波的问题,提出了基于张量空间的多子空间学习模型;然后采用线性多子空间对背景中可能出现的多个高亮区域进行准确建模;再采用字典学习的方法对低秩背景分量中的多线性子空间结构进行重构;最后通过仿真实验验证了所提方法能够有效提高对高亮杂波干扰的抑制能力,提高目标检测性能。 (5)提出了基于非独立同分布混合高斯(Gaussian)模型和改进通量密度的目标检测方法。考虑到典型方法在建模图像噪声分布时是基于独立高斯加性白噪声的假设条件,但在实际场景中,由于成像距离远,传输过程和探测器件本身的噪声远比独立高斯加性白噪声复杂,导致这些方法在复杂噪声场景下鲁棒性不够。所以,首先分析了红外图像序列帧间噪声分布的特点,采用了非独立同分布混合高斯模型对复杂噪声进行准确建模,将目标视为一种具有稀疏性的特殊``噪声'';然后采用改进后的通量密度对目标进行准确检测;最后,通过仿真实验结果验证了所提方法能够有效提高复杂噪声场景下的目标检测能力,进一步提高了方法对噪声的鲁棒性。 本书的研究工作得到国家自然科学基金(项目编号:61605242)、中国博士后科学基金(项目编号:GZC20242267)的资助,在此表示感谢。本书的内容是作者在国防科技大学求学和工作期间完成的,同时在撰写过程中参考了许多文献,本书的完成离不开这些学者的贡献和启发。在此,向所有给予我们指导、帮助与启发的各位老师和学者表示衷心的感谢。同时,由于作者水平有限,本书难免存在谬误与不足之处,欢迎各位专家学者和读者朋友批评指正,提出宝贵意见,我们将不胜感激。 作者 2024年5月于长沙

more >
扫描二维码
下载APP了解更多
图书分类全部图书
more >
  • 孙扬,男,1992年出生,湖南岳阳,国防科技大学博士学位,现为国防科技大学系统工程学院讲师、博士后,主要研究方向为预警探测信息处理、智能任务规划和智能Agent应用。作为技术骨干参与十三五、十四五、国防科技创新各类工程项目10余项,授权专利2项,发表SCI6篇、EI论文5篇,其中1篇TGRS入选ESI前1%。获得全国研究生、全军数学建模、国际数学建模竞赛一等奖。

  • 本专著的特色是深入浅出为读者介绍红外弱小目标检测问题,尽量用易于理解的方式展现研究工作和相关内容,面向的读者群体主要包括:空间信息处理相关方向的本科生和研究生、高校相关专业的教师、相关科研机构的研究人员、工业部门相关领域的技术人员、对该问题感兴趣的所有读者。

more >
  • 目   录

    第 1 章 绪论  1 

    1.1 研究背景及意义  1 

    1.2 国内外研究现状及发展动态  4 

    1.2.1 红外图像预处理技术  5 

    1.2.2 红外目标检测技术  6 

    1.3 本书主要工作及内容安排  11 

    第 2 章 背景杂波特性分析及理论基础  14 

    2.1 背景杂波特性分析  14 

    2.1.1 复杂度评价指标  15 

    2.1.2 平滑场景  15 

    2.1.3 非平滑场景  16 

    2.1.4 高亮杂波干扰场景  17 

    2.1.5 复杂噪声场景  19 

    2.2 仿真数据生成方法  20 

    2.3 评价指标  21 

    2.4 低秩和稀疏重构恢复  24 

    2.4.1 预备知识  24 

    2.4.2 低秩和稀疏重构恢复  31 

    2.4.3 常用优化方法  33 

    2.5 本章小结  35 

    第 3 章 基于张量主成分分析的目标检测方法  36 

    3.1 红外图像的低秩和稀疏分解模型  38

    3.1.1 IPI 模型  38 

    3.1.2 IPT 模型  39 

    3.2 WNRIPT 方法  41 

    3.2.1 加权核范数  41 

    3.2.2 WNRIPT 模型的建立与求解  42 

    3.2.3 实验与结果分析  46 

    3.3 WSNM-STIPT 目标检测方法  57 

    3.3.1 STIPT 模型  57 

    3.3.2 WSNM 方法  59 

    3.3.3 WSNM-STIPT 的建立与求解  59 

    3.3.4 实验与结果分析  63 

    3.4 本章小结...

精彩书评more >

标题

评论

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘