基于空時域稀疏表示的弱小運動目標檢測技術(shù).pdf

1、紅外弱小運動目標檢測與跟蹤技術(shù)是光電成像探測系統(tǒng)研究的關(guān)鍵技術(shù)之一。由于探測器與深空目標之間的距離遠,目標在成像上通常表現(xiàn)為面積小和信號弱的特點,并且易于淹沒在各種雜波背景和強噪聲中,使得目標檢測與跟蹤變得十分困難。因此,探索低信噪比條件下有效的弱小目標檢測方法具有非常重要的理論和實際意義。
　　近年來,稀疏表示理論在信號處理領(lǐng)域興起,它使用超完備字典對信號進行稀疏表示,即用較少的原子揭示信號的主要內(nèi)容,使得信號的表示更加準確有效

2、。雖然稀疏表示理論還處在探索和完善之中,但是它已經(jīng)在信號處理領(lǐng)域取得了許多成果,表現(xiàn)出了巨大的發(fā)展?jié)摿Α?br>　　基于上述背景,本文利用稀疏表示理論對序列圖像弱小運動目標檢測方法進行了深入研究。首先,分析了序列圖像在時域上的稀疏特性,時域稀疏系數(shù)不僅稀疏度不強,而且少量具有較大稀疏系數(shù)值的原子規(guī)律性差,針對單幀圖像訓(xùn)練的超完備字典及其稀疏表示不能充分挖掘序列圖像中目標的運動信息。然后,基于目標的運動具有連續(xù)性和一致性的物理屬性,聯(lián)合空

3、域和時域來構(gòu)造空時超完備稀疏字典,探索目標和背景所體現(xiàn)出的特征差異,提出了基于空時域稀疏表示的弱小運動目標檢測算法。該算法以序列圖像為訓(xùn)練樣本,構(gòu)建空時域超完備稀疏字典,將圖像塊在空時域字典中進行稀疏分解,再結(jié)合該稀疏分解系數(shù)及其較大值對應(yīng)的原子內(nèi)容來判斷該圖像塊是否含有目標。為了更進一步提高目標的檢測性能,采用高斯字典對該空時稀疏字典進行分類,分別得到目標空時字典和背景空時字典,繼而將圖像塊在目標空時字典和背景空時字典的聯(lián)合字典中進行