红外小目标检测与高光谱异常检测的最新进展

"目标检测前沿论文最新进展 2018.10.30 方建勇1" 这篇摘要涵盖了三篇关于目标检测的最新研究进展。首先，文章提及了红外搜索和跟踪（IRST）系统中的红外小目标检测。在复杂的高灰度强度结构背景下，红外小目标检测变得更具挑战性。传统算法往往忽视方向信息，而本文提出了一种方向性方法，即绝对方向平均差（ADMD），来抑制背景结构并增强目标区域，有效去除背景干扰。这种方法通过仿真实验表明了其在红外图像上的显著效果。 其次，文章讨论了小目标检测问题，特别是在高光谱成像中的应用。高光谱相机可以捕捉数百个窄带的光谱数据，使得目标的特定特性在某些波段中显现。然而，异常目标与常规背景的组合会导致像素联合分布的失真。研究者利用高阶累积量张量（如第三累积量张量，即关节偏度）作为选择无关带的方法，但缺乏对累积量张量顺序对频带选择效率的影响的系统分析。本文对此进行了深入探讨，根据方法顺序和所需波段数来评估性能，为高光谱检测场景提供了理论依据。 最后，文章涉及了无人机对运输中放射性物质的检测。这项研究关注的是使用具有最小感应能力的无人机，在短时间内对目标的放射性进行分类，同时车辆在工作空间中移动。因此，提出了一种运动规划策略，旨在在目标车辆行驶的同时进行跟踪和分类。 这些研究进展揭示了目标检测领域的创新技术，包括方向性算法的应用、高光谱成像的频带选择策略以及无人机的放射性物质检测运动规划。这些方法都针对特定的挑战，提高了目标检测的精度和效率，为未来的研究提供了新的思路和方法。