基于分层最大熵随机游走的多红外小目标检测
计算机视觉与模式识别
2020-10-05 v1
摘要
检测具有低信杂比（SCR）的多个暗弱小目标的技术对于红外搜索与跟踪系统非常重要。本文建立一种源于最大熵随机游走（MERW）的检测方法，以鲁棒地检测多个小目标。首先，我们引入原始MERW并分析将其应用于小目标检测的可行性。然而，MERW原始的权重矩阵对干扰敏感。因此，依据增强小目标特征并抑制强杂波的原则，为MERW设计了一种特定的权重矩阵。此外，原始MERW存在对最显著小目标强偏置的关键局限。为实现多小目标检测，我们发展了MERW的分层版本。基于分层MERW（HMERW），我们提出一种小目标检测方法如下：首先，使用滤波技术平滑红外图像；其次，将滤波后的图像输入HMERW得到输出图；然后，构建系数图以融合HMERW的平稳分布图；最后，使用自适应阈值从融合图中分割出多个小目标。在实际数据集上的大量实验表明，所提方法在目标增强、背景抑制和多小目标检测方面优于现有最优（SOTA）方法。
引用
@article{arxiv.2010.00923,
title = {Multiple Infrared Small Targets Detection based on Hierarchical Maximal Entropy Random Walk},
author = {Chaoqun Xia and Xiaorun Li and Liaoying Zhao and Shuhan Chen},
journal= {arXiv preprint arXiv:2010.00923},
year = {2020}
}