留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

二维非重构压缩感知自适应目标检测算法

曹文焕 黄树彩 赵炜 黄达

曹文焕, 黄树彩, 赵炜, 黄达. 二维非重构压缩感知自适应目标检测算法[J]. 红外与激光工程, 2019, 48(1): 126001-0126001(8). doi: 10.3788/IRLA201948.0126001
引用本文: 曹文焕, 黄树彩, 赵炜, 黄达. 二维非重构压缩感知自适应目标检测算法[J]. 红外与激光工程, 2019, 48(1): 126001-0126001(8). doi: 10.3788/IRLA201948.0126001
Cao Wenhuan, Huang Shucai, Zhao Wei, Huang Da. Two-dimensional non-reconstruction compressive sensing adaptive target detection algorithm[J]. Infrared and Laser Engineering, 2019, 48(1): 126001-0126001(8). doi: 10.3788/IRLA201948.0126001
Citation: Cao Wenhuan, Huang Shucai, Zhao Wei, Huang Da. Two-dimensional non-reconstruction compressive sensing adaptive target detection algorithm[J]. Infrared and Laser Engineering, 2019, 48(1): 126001-0126001(8). doi: 10.3788/IRLA201948.0126001

二维非重构压缩感知自适应目标检测算法

doi: 10.3788/IRLA201948.0126001
基金项目: 

国家自然科学基金(61573374)

详细信息
    作者简介:

    曹文焕(1992-),女,博士生,主要从事空天目标协同探测和拦截引导方面的研究。Email:342941983@qq.com

  • 中图分类号: TP751

Two-dimensional non-reconstruction compressive sensing adaptive target detection algorithm

  • 摘要: 针对重构算法影响压缩成像目标检测效率和结果的问题,提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型,利用Hadamard矩阵的特性对压缩差分图像进行解压缩,直接解码目标的空域特征,并利用改进的自适应阈值法对解码后的图像进行目标检测,避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下,该算法都可以有效检测目标,并在检测率、虚警率和运算时间等指标上具有优越性能,为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。
  • [1] Haupt J, Nowak R. Compressive sampling for signal detection[C]//IEEE International Conference on Acoustics, 2007:1509-1512.
    [2] Philip B Chapple, Derek C Bertilone, Robert S Caprari, et al. Target detection in infrared and SAR terrain images using a non-Gaussian stochastic model[C]//SPIE, 1999, 3699(14):282-292.
    [3] Haupt J, Castro R, Nowak R, et al. Compressive sampling for signal classification[C]//Asilomar Conference on Signals, Systems, and Computers, 2006:1430-1434.
    [4] Wei Daozhi, Huang Shucai, Zhao Yan, et al. Non-negative sparse representation for anomaly detection in hyperspectral imagery[J]. Infrared and Laser Engineering, 2016, 45(S2):S223001. (in Chinese)韦道知, 黄树彩, 赵岩. 非负谱稀疏表示的高光谱成像中的异常检测[J]. 红外与激光工程, 2016, 45(S2):S223001.
    [5] Li Shen, Ma Caiwen, Li Yan. Survey on reconstruction algorithm based on compressive sensing[J]. Infrared and Laser Engineering, 2013, 42(S1):225-232. (in Chinese)李珅, 马彩文, 李艳, 等. 压缩感知重构算法综述[J]. 红外与激光工程, 2013, 42(S1):225-232.
    [6] Wang Zhongliang, Feng Wentian, Nian Yongjian. Compressive-sensing-based lossy compression for hyperspectral images using spectral unmixing[J]. Infrared and Laser Engineering, 2018, 47(S1):S126003. (in Chinese)
    [7] Jahromi M J, Kahaei M H. Two-dimensional iterative adaptive approach for sparse matrix solution[J]. Electronics Letters, 2014, 50(1):45-47.
    [8] Aboozar Ghaffari, Massoud Babaie-Zadeh, Christian Jutten. Sparse decomposition of two dimensional signals[C]//ICASSP, 2009:3157-3460.
    [9] Ghaffari A, Babaie-Zadeh M, Jutten C. Sparse decomposition of two dimensional signals'[C]//IEEE Int Conf Acoustics, Speech Signal Processing, 2009:3157-3160.
    [10] Cui Ping, Ni Lin. Joint reconstruction algorithm for distributed compressed sensing[J]. Infrared and Laser Engineering, 2015, 44(12):3825-3830
    [11] Hao Yunsheng, Ye Yishan, Deng Zhenmiao, et al. FEKO sparse micro-doppler modeling and CS reconstruction method[J]. Optics and Precision Engineering, 2016, 24(6):1482-1489. (in Chinese)郝云胜, 叶艺山, 邓振淼, 等. FEKO稀疏微多普勒建模及CS重构方法[J]. 光学精密工程, 2016, 24(6):1482-1489.
    [12] Ma Yongkui, Xu Peng, Gao Yulong. Optimization of the measurement matrix used for CS-based non-reconstruction detection method in cognitive radio[C]//International Conference on Instrumentation Measurement, 2014:484-488.
    [13] Xu Wenbo, Yan Zhihua, Tian Yun, et al. Detection with compressive measurements corrupted by sparse errors[C]//International Conference on Wireles Communications and Signal Processing, 2017:1-5.
    [14] Li Shaoyi, Liang Shuang, Zhang Kai, et al. Research of infrared compressive imaging based point target tracking method[J]. Journal of Electronics Information Technology, 2015, 37(7):1639-1645. (in Chinese)李少毅, 梁爽, 张凯, 等. 基于红外压缩成像的点目标跟踪方法研究[J]. 电子与信息学报, 2015, 37(7):1639-1645.
    [15] Tian Wenbiao, Rui Guosheng, Zhang Haibo, et al. A 2-dimensional measurement model-oriented compressed Sensing reconfiguration algorithm[J]. Journal of Astronautics, 2014, 35(9):1072-1077. (in Chinese)田文飚, 芮国胜, 张海波, 等. 一种面向二维观测模型的压缩感知重构算法[J]. 宇航学报, 2014, 35(9):1072-1077.
    [16] Shan Yugang, Wang Jiabao, Hao Feng. Research on surendra background extraction method based on adaptive threshold[J]. Computer Technology and Development, 2017, 27(7):91-95. (in Chinese)单玉刚, 汪家宝, 郝峰. 基于自适应阈值的Surendra背景提取方法研究[J]. 计算机技术与发, 2017, 27(7):91-95.
    [17] Wang Xin, Ji Tongbo, Liu Fu. Fusion of infrared and visible images based on target segmentation and compressed sensing[J]. Optics and Precision Engineering, 2016, 24(7):1743-1753. (in Chinese)王昕, 吉桐伯, 刘富. 结合目标提取和压缩感知的红外与可见光图像融合[J]. 光学精密工程, 2016, 24(7):1743-1753.
  • [1] 秦丽丽, 李丽娟, 任姣姣, 顾健, 熊伟华, 张丹丹, 祝莉莉, 张霁旸, 薛竣文, 江柏红, 高增华.  基于梯度阈值的太赫兹时域信号自适应稀疏算法 . 红外与激光工程, 2023, 52(4): 20220443-1-20220443-12. doi: 10.3788/IRLA20220443
    [2] 高凡, 杨小冈, 卢瑞涛, 王思宇, 高久安, 夏海.  Anchor-free轻量级红外目标检测方法(特邀) . 红外与激光工程, 2022, 51(4): 20220193-1-20220193-9. doi: 10.3788/IRLA20220193
    [3] 张景程, 乔新博, 赵永强.  红外偏振摄像机动目标检测跟踪系统(特邀) . 红外与激光工程, 2022, 51(4): 20220233-1-20220233-10. doi: 10.3788/IRLA20220233
    [4] 蒋昕昊, 蔡伟, 杨志勇, 徐佩伟, 姜波.  基于YOLO-IDSTD算法的红外弱小目标检测 . 红外与激光工程, 2022, 51(3): 20210106-1-20210106-10. doi: 10.3788/IRLA20210106
    [5] 韩金辉, 魏艳涛, 彭真明, 赵骞, 陈耀弘, 覃尧, 李楠.  红外弱小目标检测方法综述 . 红外与激光工程, 2022, 51(4): 20210393-1-20210393-24. doi: 10.3788/IRLA20210393
    [6] 李岳楠, 徐浩宇, 董浩.  频域内面向目标检测的领域自适应 . 红外与激光工程, 2022, 51(7): 20210638-1-20210638-9. doi: 10.3788/IRLA20210638
    [7] 曾瀚林, 孟祥勇, 钱惟贤.  高斯差分滤波图像融合方法 . 红外与激光工程, 2020, 49(S1): 20200091-20200091. doi: 10.3788/IRLA20200091
    [8] 曹海杰, 刘宁, 许吉, 彭杰, 刘宇昕.  红外图像自适应逆直方图增强技术 . 红外与激光工程, 2020, 49(4): 0426003-0426003-7. doi: 10.3788/IRLA202049.0426003
    [9] 南天章, 耿建君, 陈旭, 陈颖.  基于邻域特征的红外低慢小目标检测 . 红外与激光工程, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002
    [10] 唐聪, 凌永顺, 郑科栋, 杨星, 郑超, 杨华, 金伟.  基于深度学习的多视窗SSD目标检测方法 . 红外与激光工程, 2018, 47(1): 126003-0126003(9). doi: 10.3788/IRLA201847.0126003
    [11] 陈卫, 孙晓兵, 乔延利, 陈震庭, 殷玉龙.  海面耀光背景下的目标偏振检测 . 红外与激光工程, 2017, 46(S1): 63-68. doi: 10.3788/IRLA201746.S117001
    [12] 陈善静, 康青, 顾忠征, 王正刚, 沈志强, 蒲欢, 辛颖.  基于三维GMRF的高光谱图像空天融合目标检测 . 红外与激光工程, 2016, 45(S2): 132-139. doi: 10.3788/IRLA201645.S223003
    [13] 孙照蕾, 惠斌, 秦莫凡, 常铮, 罗海波, 夏仁波.  红外图像显著目标检测算法 . 红外与激光工程, 2015, 44(9): 2633-2637.
    [14] 韩艳丽, 刘峰.  基于三角形匹配的空间小目标检测算法 . 红外与激光工程, 2014, 43(9): 3134-3140.
    [15] 彭志勇, 王向军, 卢进.  窗口热辐射下基于视觉显著性的红外目标检测方法 . 红外与激光工程, 2014, 43(6): 1772-1776.
    [16] 吴明军, 许建铮, 周桢, 张亚涛.  针对运动摄像机的快速低存储开销运动目标检测算法 . 红外与激光工程, 2013, 42(8): 2275-2280.
    [17] 刘志刚, 卢云龙, 魏一苇.  有监督的高光谱图像伪装目标检测方法 . 红外与激光工程, 2013, 42(11): 3076-3081.
    [18] 黎志华, 李新国.  基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
    [19] 杨亚威, 李俊山, 杨威, 赵方舟.  利用稀疏化生物视觉特征的多类多视角目标检测方法 . 红外与激光工程, 2012, 41(1): 267-272.
    [20] 何莲, 蔡敬菊, 张启衡.  改进的基于弦切变换的目标检测方法 . 红外与激光工程, 2012, 41(1): 239-247.
  • 加载中
计量
  • 文章访问数:  407
  • HTML全文浏览量:  74
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-08-05
  • 修回日期:  2018-09-03
  • 刊出日期:  2019-01-25

二维非重构压缩感知自适应目标检测算法

doi: 10.3788/IRLA201948.0126001
    作者简介:

    曹文焕(1992-),女,博士生,主要从事空天目标协同探测和拦截引导方面的研究。Email:342941983@qq.com

基金项目:

国家自然科学基金(61573374)

  • 中图分类号: TP751

摘要: 针对重构算法影响压缩成像目标检测效率和结果的问题,提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型,利用Hadamard矩阵的特性对压缩差分图像进行解压缩,直接解码目标的空域特征,并利用改进的自适应阈值法对解码后的图像进行目标检测,避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下,该算法都可以有效检测目标,并在检测率、虚警率和运算时间等指标上具有优越性能,为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。

English Abstract

参考文献 (17)

目录

    /

    返回文章
    返回