基于张量列分解的双加权多粒度块张量模型的红外小目标检测
计算机视觉与模式识别
2023-10-10 v1
摘要
红外小目标检测在遥感领域起着重要作用。因此，许多检测算法被提出，其中红外块张量 (IPT) 模型因其优异性能已成为主流工具。然而，大多数基于 IPT 的方法面临巨大挑战，例如张量低秩性度量不准确以及对复杂场景鲁棒性差，这将导致检测性能不佳。为解决这些问题，本文提出一种新颖的双加权多粒度红外块张量 (DWMGIPT) 模型。首先，为从多模式捕获张量的不同粒度信息，通过收集非重叠块并基于张量列 (TT) 分解进行张量增广，构建多粒度红外块张量 (MGIPT) 模型。其次，为更有效地探索张量的潜在结构，我们利用自动加权机制来平衡不同粒度信息的重要性。然后，采用转向核 (SK) 提取局部结构先验，抑制强边缘和噪声等背景干扰。最后，提出一种基于交替方向乘子法 (ADMM) 的高效优化算法来求解该模型。在各种挑战性场景中的大量实验表明，所提算法对噪声和不同场景具有鲁棒性。与其他八种 state-of-the-art 方法相比，不同的评估指标表明我们的方法在各种复杂场景中实现了更好的检测性能。
引用
@article{arxiv.2310.05347,
title = {Infrared Small Target Detection Using Double-Weighted Multi-Granularity Patch Tensor Model With Tensor-Train Decomposition},
author = {Guiyu Zhang and Qunbo Lv and Zui Tao and Baoyu Zhu and Zheng Tan and Yuan Ma},
journal= {arXiv preprint arXiv:2310.05347},
year = {2023}
}