本书面向复杂背景下的红外弱小目标检测跟踪系统的高精度检测需求，针对复杂噪声、高亮杂波、非平滑背景等典型检测场景出现的效率低、虚警高和目标漏检问题，基于低秩稀疏分解重构模型，针对红外图像序列创新设计了时空域张量块处理模型，实现了稳健高效的目标检测和背景杂波抑制，并运用实例验证了其有效性。 本书所设计实现的基于高维张量空间的低秩稀疏分解重构模型的目标检测技术，可以有效学习红外目标和背景杂波的数据特征以及它们之间的区别，从而有效分离两者，可有效解决传统红外目标检测算法对算法参数敏感性的问题，可为红外弱小目标检测技术的进一步发展提供重要参考。 本书适合作为信息与通信工程、计算机科学与技术等专业本科生和研究生的教材，也可作为从事空间信息处理、图像处理领域的科研工作者、工程技术人员的参考书。

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。

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''...