稀疏先验并非唯一关键：差分方向性与显著性一致性在红外小目标检测中的应用
计算机视觉与模式识别
2024-07-23 v1
摘要
红外小目标检测是红外探测制导跟踪系统有效性的关键因素。当前张量分解方法强调用稀疏性表示小目标，但在利用内在方向信息不足和分解过程中目标可见性降低的情况下，难以将目标与复杂背景分离。为解决这些挑战，本研究引入稀疏差分方向性先验 (SDD) 框架。SDD 利用目标的独特方向特征来区分目标与背景，对来自 Tucker 分解的差分方向图像和时序分量的连续差分矩阵施加混合稀疏约束。我们进一步通过增强分解层次结构中目标对背景对比度的策略来提升目标检测可见性。基于原子链最小化的 (PAM) 算法高效求解我们提出的模型。实验结果表明，该方法在多个真实数据集上在目标检测和杂波抑制方面均优于十个最先进的方法。我们的代码已公开于 https://github.com/GrokCV/SDD。
引用
@article{arxiv.2407.15369,
title = {Sparse Prior Is Not All You Need: When Differential Directionality Meets Saliency Coherence for Infrared Small Target Detection},
author = {Fei Zhou and Maixia Fu and Yulei Qian and Jian Yang and Yimian Dai},
journal= {arXiv preprint arXiv:2407.15369},
year = {2024}
}
备注
Submitted to IEEE TIM, Minor Revision