本专著的内容分为六大部分，第一章是绪论部分，主要介绍了课题的研究背景和意义，梳理概括了课题相关的研究现状，并且分析了目前红外弱小检测领域的困难和挑战；第二章介绍了理论基础，主要介绍涉及的基本数学理论、优化方法和算法评价指标；第三部分对红外背景的低秩性和目标的稀疏性进行了深入分析并且研究基于张量主成分分析方法的红外弱小目标检测方法；第四部分第四章主要针对非平滑场景的目标检测难题，研究基于时空域信息和总变分正则项的检测方法；第五部分主要针对高亮杂波干扰下的目标检测问题，研究基于时空域信息和多子空间学习的检测方法；第六部分研究了基于非独立同分布混合高斯模型和改进通量密度的目标检测方法。本专著的特色是深入浅出为读者介绍红外弱小目标检测问题，尽量用易于理解的方式展现研究工作和相关内容，面向的读者群体主要包括：空间信息处理相关方向的本科生和研究生、高校相关专业的教师、相关科研机构的研究人员、工业部门相关领域的技术人员、对该问题感兴趣的所有读者。

目 录


第 1 章 绪论 \t1
1.1 研究背景及意义 \t1
1.2 国内外研究现状及发展动态 \t4
1.2.1 红外图像预处理技术 \t5
1.2.2 红外目标检测技术 \t6
1.3 本书主要工作及内容安排 \t11
第 2 章 背景杂波特性分析及理论基础 \t14
2.1 背景杂波特性分析 \t14
2.1.1 复杂度评价指标 \t15
2.1.2 平滑场景 \t15
2.1.3 非平滑场景 \t16
2.1.4 高亮杂波干扰场景 \t17
2.1.5 复杂噪声场景 \t19
2.2 仿真数据生成方法 \t20
2.3 评价指标 \t21
2.4 低秩和稀疏重构恢复 \t24
2.4.1 预备知识 \t24
2.4.2 低秩和稀疏重构恢复 \t31
2.4.3 常用优化方法 \t33
2.5 本章小结 \t35
第 3 章 基于张量主成分分析的目标检测方法 \t36
3.1 红外图像的低秩和稀疏分解模型 \t38
3.1.1 IPI 模型 \t38
3.1.2 IPT 模型 \t39
3.2 WNRIPT 方法 \t41
3.2.1 加权核范数 \t41
3.2.2 WNRIPT 模型的建立与求解 \t42
3.2.3 实验与结果分析 \t46
3.3 WSNM-STIPT 目标检测方法 \t57
3.3.1 STIPT 模型 \t57
3.3.2 WSNM 方法 \t59
3.3.3 WSNM-STIPT 的建立与求解 \t59
3.3.4 实验与结果分析 \t63
3.4 本章小结 \t75
第 4 章 基于时空域信息和总变分正则项的目标检测方法 \t76
4.1 总变分正则项 \t77
4.2 TV-STIPT 模型的建立与求解 \t78
4.2.1 模型的建立 \t78
4.2.2 模型求解 \t79
4.2.3 复杂度分析 \t83
4.3 实验与结果分析 \t84
4.3.1 实验数据 \t84
4.3.2 参数设置 \t84
4.3.3 对比方法 \t85
4.3.4 TV-STIPT 方法的有效性验证 \t85
4.3.5 参数影响分析 \t85
4.3.6 对比实验 \t87
4.3.7 算法收敛性分析 \t93
4.3.8 运行时间对比 \t93
4.4 本章小结 \t94
第 5 章 基于时空域信息和多子空间学习的目标检测方法 \t95
5.1 MSL 理论 \t96
5.2 MSLSTIPT 模型的建立与求解 \t98
5.2.1 模型的建立 \t98
5.2.2 模型求解 \t99
5.2.3 字典构建 \t103
5.2.4 复杂度分析 \t103
5.3 实验与结果分析 \t104
5.3.1 实验数据 \t104
5.3.2 参数设置 \t104
5.3.3 对比方法 \t105
5.3.4 MSLSTIPT 方法的有效性验证 \t105
5.3.5 参数影响分析 \t107
5.3.6 对比实验 \t107
5.3.7 运行时间对比 \t115
5.4 本章小结 \t115
第 6 章 基于非独立同分布混合高斯模型和改进通量密度的目标检测方法 \t116
6.1 MoG 模型 \t117
6.2 MFD-NMoG 模型的建立与求解 \t118
6.2.1 模型的建立 \t119
6.2.2 模型求解 \t120
6.2.3 复杂度分析 \t126
6.3 实验与结果分析 \t126
6.3.1 实验数据 \t127
6.3.2 参数设置 \t127
6.3.3 对比方法 \t127
6.3.4 MFD-NMoG 方法的有效性验证 \t128
6.3.5 参数影响分析 \t128
6.3.6 MFD 方法的有效性验证 \t128
6.3.7 对比实验 \t130
6.3.8 运行时间对比 \t135
6.4 本章小结 \t135
第 7 章 总结与展望 \t136
7.1 本书工作总结 \t136
7.2 未来工作展望 \t139
参考文献 \t140