低秩张量子空间学习红外小目标检测

红外目标检测系统是可靠探测和识别背景辐射与其他干扰条件下高价值目标的有效技术手段之一，广泛应用于各个领域。红外弱小目标检测作为系统的重要组成部分，仍是当前具有挑战性的关键核心技术。本文提出了一种基于低秩张量子空间学习的方法，该方法在考虑序列在空时连续一致性的同时，也保留了红外图像结构的完整性。通过空时滑动窗获得空时张量块模型，利用多子空间学习策略构建不同场景下的红外张量字典模型。最后，采用最优化算法求解所提出的红外张量目标函数，获得低秩背景和稀疏目标张量，通过重构图像检测出感兴趣的红外弱小目标。实验结果表明，在复杂背景高反虚警环境及组合强干扰场景下，该方法目标检测性能优于其他现有检测算法。