结合非局部与局部先验的重加权红外图像块张量模型及其在单帧小目标检测中的应用
计算机视觉与模式识别
2017-03-28 v1
摘要
目前已提出许多用于红外小目标检测的 SOTA 方法。它们在具有均匀背景和高对比度目标的图像上表现良好。然而，当面对高度非均匀的背景时，它们的表现并不理想，主要原因在于：1) 存在强边缘及其他干扰成分；2) 未充分利用先验。受此启发，我们提出了一种同时利用局部与非局部先验的新方法。首先，我们采用一种新的红外图像块张量 (IPT) 模型来表示图像并保留其空间相关性。通过利用目标稀疏先验和背景非局部自相关先验，将目标-背景分离建模为一个稳健的低秩张量恢复问题。此外，借助结构张量与重加权思想，我们设计了一种逐元素局部结构自适应且增强稀疏性的权重，以替代全局恒定的加权参数。根据目标检测的实际情况，该分解可通过带有附加收敛条件的逐元素重加权高阶稳健主成分分析来实现。大量实验表明，我们的模型优于其他 SOTA 方法，特别是在具有极暗目标和严重杂波干扰的图像上表现突出。
引用
@article{arxiv.1703.09157,
title = {Reweighted Infrared Patch-Tensor Model With Both Non-Local and Local Priors for Single-Frame Small Target Detection},
author = {Yimian Dai and Yiquan Wu},
journal= {arXiv preprint arXiv:1703.09157},
year = {2017}
}
备注
Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 16 pages, 16 figures