基于高斯空间低秩稀疏分解的红外小目标检测

摘要

cqvip:针对红外图像中小目标尺寸未知,空域中不同高斯核模板对图像平滑效果不同,传统高斯差分滤波在小目标检测中容易造成漏检。提出利用多尺度模板对图像进行处理,同时结合目标的稀疏性与背景的低秩性,对不同尺度高斯平滑后的图像进行低秩稀疏分解,以增强差分图像中目标的完整度。首先利用三个不同尺度的高斯模板与图像进行卷积,得到三个不同尺度抑制目标后的平滑图像;进一步对平滑后的图像使用加速近端梯度法进行低秩稀疏分解,保留低秩部分,以抑制高斯平滑图像中残留的目标信息,取每个尺度低秩矩阵的最大值为最终的背景图像;接着将原始图像与背景图像做差得到目标显著性图,最后利用图像的均值及方差对显著性图进行阈值分割,得到最终的目标检测结果。实验结果表明,将原始图像与融合不同尺度低秩矩阵得到的背景图像做差,在提高目标与背景对比度的同时也尽可能地保证了目标的完整性,与其它算法对比有较高的检测率以及较低的误警率。