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)1" 这篇资料总结了2018年10月30日由方建勇发表的关于目标检测的最新研究进展。文章关注了红外搜索和跟踪（IRST）系统中红外小目标检测的挑战。在复杂的高灰度强度结构背景下，红外小目标检测变得更加困难。传统方法往往忽视方向信息，但本文提出了一种创新的方向性方法，即绝对方向平均差（ADMD），以增强目标区域并抑制背景干扰。ADMD算法是基于平均绝对灰度差（AAGD）的概念构建的，通过有效的实现过程，能有效检测和增强小目标，同时减少背景噪声。实际红外图像的仿真结果证实了这种方法的优越性能。 文章还探讨了高光谱成像在异常检测中的应用。高光谱相机可以捕捉到每个像素的数百个窄带光谱数据，使得目标材料的特性在某些特定波段中显现。然而，常规背景与罕见异常的组合会导致像素联合分布的失真。为了解决这个问题，研究人员利用高阶累积量张量（如联合偏度）来识别和移除异常频带。尽管已有尝试基于第三累积量张量的频带选择算法，但对累积量张量顺序对检测效果的影响缺乏系统分析。本文对此进行了深入研究，讨论了不同顺序和所需波段数量对性能的影响，并通过实验验证了这些方法在高光谱检测场景中的表现。 此外，文中还涉及了使用无人机进行放射性物质检测的问题。在动态环境中，无人机需要实时跟踪并分类运输中的放射性物质。为此，提出了一种结合视觉惯性定位和目标跟踪的运动规划框架。这个框架在已知的3D工作空间中生成安全路径，避免障碍物并确保向移动目标的可靠收敛。实际模拟验证了该方法的有效性和可行性。 这篇资料涵盖了目标检测的多个方面，包括红外小目标检测的新方法、高光谱成像中的异常检测策略以及无人机在放射性物质监测中的应用，展示了目标检测技术的最新进展和创新思路。