用于红外小目标检测的非凸张量低秩近似
计算机视觉与模式识别
2021-11-29 v2
摘要
红外小目标检测是红外系统中的重要基础任务。因此，已提出许多红外小目标检测方法，其中低秩模型被用作有力工具。然而，大多数基于低秩的方法对不同奇异值赋予相同权重，将导致不准确的背景估计。考虑到不同奇异值具有不同重要性且应被区别对待，本文提出一种用于红外小目标检测的非凸张量低秩近似（NTLA）方法。在我们的方法中，NTLA 正则化自适应地为不同奇异值分配不同权重以准确估计背景。基于所提 NTLA，我们提出非对称时空全变分（ASTTV）正则化，以在复杂场景中实现更精确的背景估计。相比传统全变分方法，ASTTV 对空间与时间正则化采用不同平滑强度。我们设计了一种高效算法以求该方法的最优解。与一些最先进方法相比，所提方法在多项评价指标上取得提升。各类复杂场景中的大量实验结果表明，我们的方法具有强鲁棒性与低误报率。代码见 https://github.com/LiuTing20a/ASTTV-NTLA。
引用
@article{arxiv.2105.14974,
title = {Non-Convex Tensor Low-Rank Approximation for Infrared Small Target Detection},
author = {Ting Liu and Jungang Yang and Boyang Li and Chao Xiao and Yang Sun and Yingqian Wang and Wei An},
journal= {arXiv preprint arXiv:2105.14974},
year = {2021}
}
备注
This paper is accepted by IEEE Transactions on Geoscience and Remote Sensing