国防科学技术大学电子科学与工程学院, 湖南 长沙 410073
现有压缩域目标检测算法取得较好检测结果的同时，有效减少了数据存储空间，但是存在背景参数估计易受噪声影响，目标检测易对邻近目标产生漏警等问题。在原有压缩域红外小目标检测算法的基础上进行改进，提出了一种基于自适应参数估计和噪声统计模型的压缩域目标检测算法。对压缩域红外数据矩阵进行自适应的低秩稀疏分解，分离并重建背景矩阵和目标矩阵，根据分解残差推导统计模型，对目标矩阵进行基于噪声统计模型的阈值分割。结果表明，此算法较原算法具有更好的抗干扰能力，并解决了邻近目标的漏警问题。
测量 小目标检测 自适应 压缩感知 矩阵低秩稀疏分解 中国激光
2015, 42(10): 1008003
国防科学技术大学电子科学与工程学院, 湖南 长沙 410073
在人类视觉系统(HVS)中，占据重要部分的是对比度值而不是亮度。现有的基于HVS的红外弱小目标检测算法可以有效提高目标信噪比和检测率，但也存在虚警率较高、易受噪声影响等问题。针对这些问题，提出一种基于空间距离改进的视觉显著性红外弱小目标检测算法。用目标所在像素块均值与其周围像素块加权和的比值来加权目标点灰度，得到一幅显著图。在计算周围像素的灰度加权和时，将视觉注意机制中关键因素之一的空间关系考虑进去，根据空间距离加权计算，较远的地方分配较小的权值。实验表明，本文算法不仅可以降低虚警率，而且抗噪能力也比较强。
机器视觉 空间距离 视觉显著性 弱小目标检测
