利用稀疏低秩高斯特性的阴影-背景-噪声三维空间分解用于视频 SAR 运动目标阴影增强
计算机视觉与模式识别
2023-02-08 v2
摘要
视频合成孔径雷达（Video-SAR）图像中的运动目标阴影常受到低散射背景和杂乱噪声的干扰，导致检测跟踪精度不佳。因此，我们提出了一种阴影-背景-噪声三维空间分解（SBN-3D-SD）模型来增强阴影，以提高检测跟踪精度。该模型利用阴影的稀疏特性、背景的低秩特性以及噪声的高斯特性进行三维空间三重分解。它通过交替方向乘子法（ADMM）将阴影与背景和噪声分离。在桑迪亚国家实验室（SNL）数据上的结果验证了其有效性。从定性和定量评估来看，它提升了阴影显著性。它提高了 Faster R-CNN、RetinaNet 和 YOLOv3 的阴影检测精度。它还提高了 TransTrack、FairMOT 和 ByteTrack 的阴影跟踪精度。
引用
@article{arxiv.2207.03064,
title = {Shadow-Background-Noise 3D Spatial Decomposition Using Sparse Low-Rank Gaussian Properties for Video-SAR Moving Target Shadow Enhancement},
author = {Xiaowo Xu and Xiaoling Zhang and Tianwen Zhang and Zhenyu Yang and Jun Shi and Xu Zhan},
journal= {arXiv preprint arXiv:2207.03064},
year = {2023}
}