基于空时联合稀疏重构的红外小弱运动目标检测方法

提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。

基于空时混沌分析的海面小弱目标检测

为了提升海杂波中小弱目标检测能力,通过研究海杂波在空域和时域上的动态特性,提出基于空时混沌分析的海面小弱目标检测方法。首先,在海杂波混沌动力系统相空间重构的基础上提取海浪序列图像的空域混沌参数和时域混沌参数,验证海杂波在空域与时域具备混沌性;然后,采用径向基函数神经网络学习海杂波的空域混沌重构函数、时域混沌重构函数和空时耦合系数,联合空域和时域混沌特性综合重构海杂波在时间与空间上的传播规律。多种复杂度海面目标检测试验结果表明,与空域混沌和时域混沌方法相比,预测误差可降低10%,检测概率可提高20%,基于空时混沌重构的海杂波抑制能力与小目标检测性都得以显著提升。

粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题,提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典,即反映目标信号特征的目标字典和表示背景杂波的背景字典,有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型,采用随机估计法对字典子空间进行在线更新,实现对目标状态估计与跟踪。理论分析和试验结果表明,该方法增强了随机粒子的状态估计能力,提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。