用于红外图像多视图 ATR 的协作稀疏先验

从红外 (IR) 图像中提取特征仍然是一项具有挑战性的任务。因此，能够直接在原始图像/图像块上工作的基于学习的方法具有重要意义。我们提出了一种对广泛使用的稀疏表示分类 (SRC) 方法在单视图和多视图设置下的新型多任务扩展。即，测试样本可以是单张红外图像或来自不同视图的图像。在训练字典下展开时，多视图场景中的系数矩阵呈现出一种不易被传统稀疏诱导度量（如 $l_0$-行伪范数）捕捉的稀疏结构。为此，我们在系数矩阵上采用协作 spike and slab 先验，该先验能够捕捉相当一般的稀疏结构。我们的工作涉及联合参数与稀疏系数估计 (JPCEM)，从而免除了在分类前手动挑选先验参数的需要。JPCEM 的实验优势通过与一种具有挑战性的中波红外图像 (MWIR) ATR 数据库上的其他最先进方法进行比较得到了证实，该数据库由美国陆军夜视与电子传感器局提供。