针对重构算法影响压缩成像目标检测效率和结果的问题, 提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型, 利用Hadamard矩阵的特性对压缩差分图像进行解压缩, 直接解码目标的空域特征, 并利用改进的自适应阈值法对解码后的图像进行目标检测, 避免了重构带来的存储空间和运算时间的浪费。仿真实验表明: 在单目标和多目标的情况下, 该算法都可以有效检测目标, 并在检测率、虚警率和运算时间等指标上具有优越性能, 为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。

分析导弹尾焰可知, 影响其光谱变化的主要因素包括发动机、燃料等, 故根据尾焰光谱可以达到导弹型号识别的目的。为保证识别效率, 用特征光谱代表尾焰特征, 可大大缩减数据量。首先根据光谱差模型计算出各波长处的辐射差, 通过设定阈值将辐射差分段, 高于阈值的波段即为所选的特征波段。改变积分步长和阈值可获得几组不同数据。分别采用光谱角匹配算法(Spectral Angle Matching algorithm, SAM)和模糊算法对不同精度和不同特征波段的数据进行处理, 得到识别结果。以识别结果的正确率和待识别样本与各型光谱的相似度距离为衡量标准, 模糊算法识别效果可与SAM相当, 但其在算法复杂度方面优于SAM。