基于空时域稀疏表示的弱小运动目标检测技术

《基于空时域稀疏表示的弱小运动目标检测技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于空时域稀疏表示的弱小运动目标检测技术重庆大学硕士学位论文（学术学位）学生姓名：王会改指导教师：李正周教授专业：信号与信息处理学科门类：工学重庆大学通信工程学院二O一四年四月SmallDimMovingTargetDetectionBasedonSpatial-temporalSparseRepresentationAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByWangHuigaiSupervisedbyProf.L

2、iZheng-zhouSpecialty:SignalandInformationProcessingCollegeofCommunicationEngineeringofChongqingUniversity,Chongqing,ChinaApril,2014重庆大学硕士学位论文中文摘要摘要红外弱小运动目标检测与跟踪技术是光电成像探测系统研究的关键技术之一。由于探测器与深空目标之间的距离远，目标在成像上通常表现为面积小和信号弱的特点，并且易于淹没在各种杂波背景和强噪声中，使得目标检测与跟踪变得十分困难。因此，探索低信噪比条件下有效的弱小目标检测方法具有非常重要的理论和实际意义。近年来

3、，稀疏表示理论在信号处理领域兴起，它使用超完备字典对信号进行稀疏表示，即用较少的原子揭示信号的主要内容，使得信号的表示更加准确有效。虽然稀疏表示理论还处在探索和完善之中，但是它已经在信号处理领域取得了许多成果，表现出了巨大的发展潜力。基于上述背景，本文利用稀疏表示理论对序列图像弱小运动目标检测方法进行了深入研究。首先，分析了序列图像在时域上的稀疏特性，时域稀疏系数不仅稀疏度不强，而且少量具有较大稀疏系数值的原子规律性差，针对单帧图像训练的超完备字典及其稀疏表示不能充分挖掘序列图像中目标的运动信息。然后，基于目标的运动具有连续性和一致性的物理属性，联合空域和时域来构造空时超完备稀疏字典，

4、探索目标和背景所体现出的特征差异，提出了基于空时域稀疏表示的弱小运动目标检测算法。该算法以序列图像为训练样本，构建空时域超完备稀疏字典，将图像块在空时域字典中进行稀疏分解，再结合该稀疏分解系数及其较大值对应的原子内容来判断该图像块是否含有目标。为了更进一步提高目标的检测性能，采用高斯字典对该空时稀疏字典进行分类，分别得到目标空时字典和背景空时字典，继而将图像块在目标空时字典和背景空时字典的联合字典中进行稀疏分解，分别计算该图像块在目标空时字典和背景空时字典上进行重构后的残差，通过残差的差异来完成目标检测。实验结果表明，空时稀疏字典克服了空域稀疏字典仅能够描述目标形态特征的局限；空时分类

5、字典能进一步增强目标与背景的稀疏特征差异，更有利于检测目标。关键词：红外弱小目标，目标检测，稀疏字典，稀疏表示，序列图像I重庆大学硕士学位论文英文摘要ABSTRACTThetechniqueofinfraredsmalldimmovingtargetdetectionisakeytechniqueofopticalimagingdetectionsystemsearch.Thetargetinthedeepspaceisfarawayfromtheobservingsystem,andthetargetisusuallysmallandweakintheimagingdetection

6、system,andmoreover,itissubmergedinvariouscomplexnoiseandclutters,whichmaketargetdetectiondifficult.Therefore,thedetectionmethodofinfrareddimtargetwithlowSNRisveryimportant.Recently,sparserepresentationtheoryattractshugeattentions,itusesfeweratomsoftheover-completedictionarytorevealthemaincontent

7、ofsignal,whichmakessignalrepresentationmoreaccuratelyandeffectively.Althoughthesparserepresentationtheoryisstillnotfullyperfectandneedsforfurtherimprovement,ithasachievedmanyresultsinthefieldofsignalprocessing,andshownagreat