復雜背景下的紅外弱小目標檢測技術(shù)研究

第 1 章 緒論  1 
1.1 研究背景及意義  1 
1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)  4 
1.2.1 紅外圖像預處理技術(shù)  5 
1.2.2 紅外目標檢測技術(shù)  6 
1.3 本書主要工作及內(nèi)容安排  11 
第 2 章 背景雜波特性分析及理論基礎  14 
2.1 背景雜波特性分析  14 
2.1.1 復雜度評價指標  15 
2.1.2 平滑場景  15 
2.1.3 非平滑場景  16 
2.1.4 高亮雜波干擾場景  17 
2.1.5 復雜噪聲場景  19 
2.2 仿真數(shù)據(jù)生成方法  20 
2.3 評價指標  21 
2.4 低秩和稀疏重構(gòu)恢復  24 
2.4.1 預備知識  24 
2.4.2 低秩和稀疏重構(gòu)恢復  31 
2.4.3 常用優(yōu)化方法  33 
2.5 本章小結(jié)  35 
第 3 章 基于張量主成分分析的目標檢測方法  36 
3.1 紅外圖像的低秩和稀疏分解模型  38
3.1.1 IPI 模型  38 
3.1.2 IPT 模型  39 
3.2 WNRIPT 方法  41 
3.2.1 加權(quán)核范數(shù)  41 
3.2.2 WNRIPT 模型的建立與求解  42 
3.2.3 實驗與結(jié)果分析  46 
3.3 WSNM-STIPT 目標檢測方法  57 
3.3.1 STIPT 模型  57 
3.3.2 WSNM 方法  59 
3.3.3 WSNM-STIPT 的建立與求解  59 
3.3.4 實驗與結(jié)果分析  63 
3.4 本章小結(jié)  75 
第 4 章 基于時空域信息和總變分正則項的目標檢測方法  76 
4.1 總變分正則項  77 
4.2 TV-STIPT 模型的建立與求解  78 
4.2.1 模型的建立  78 
4.2.2 模型求解  79 
4.2.3 復雜度分析  83 
4.3 實驗與結(jié)果分析  84 
4.3.1 實驗數(shù)據(jù)  84 
4.3.2 參數(shù)設置  84 
4.3.3 對比方法  85 
4.3.4 TV-STIPT 方法的有效性驗證  85 
4.3.5 參數(shù)影響分析  85 
4.3.6 對比實驗  87 
4.3.7 算法收斂性分析  93 
4.3.8 運行時間對比  93 
4.4 本章小結(jié)  94 
第 5 章 基于時空域信息和多子空間學習的目標檢測方法  95 
5.1 MSL 理論  96 
5.2 MSLSTIPT 模型的建立與求解  98 
5.2.1 模型的建立  98 
5.2.2 模型求解  99 
5.2.3 字典構(gòu)建  103 
5.2.4 復雜度分析  103 
5.3 實驗與結(jié)果分析  104 
5.3.1 實驗數(shù)據(jù)  104 
5.3.2 參數(shù)設置  104 
5.3.3 對比方法  105 
5.3.4 MSLSTIPT 方法的有效性驗證  105 
5.3.5 參數(shù)影響分析  107 
5.3.6 對比實驗  107 
5.3.7 運行時間對比  115 
5.4 本章小結(jié)  115 
第 6 章 基于非獨立同分布混合高斯模型和改進通量密度的目標檢測方法  116 
6.1 MoG 模型  117 
6.2 MFD-NMoG 模型的建立與求解  118 
6.2.1 模型的建立  119 
6.2.2 模型求解  120 
6.2.3 復雜度分析  126 
6.3 實驗與結(jié)果分析  126 
6.3.1 實驗數(shù)據(jù)  127 
6.3.2 參數(shù)設置  127 
6.3.3 對比方法  127 
6.3.4  MFD-NMoG 方法的有效性驗證  128 
6.3.5 參數(shù)影響分析  128 
6.3.6 MFD 方法的有效性驗證  128 
6.3.7 對比實驗  130 
6.3.8 運行時間對比  135 
6.4 本章小結(jié)  135 
第 7 章 總結(jié)與展望  136 
7.1 本書工作總結(jié)  136 
7.2 未來工作展望  139 
參考文獻  140