廖延娜, 胡雪敏, 吴成茂

(1.西安邮电大学 理学院, 陕西 西安 710121; 2.西安邮电大学 电子工程学院, 陕西 西安 710121)

红外小目标的检测与跟踪是作战预警和和精确制导的关键。在尽可能远的距离上对红外小目标实施精准检测与跟踪，能够为后续主动攻击赢取更多的反应时间。但红外小目标距离成像器越远，面积和亮度越小，形状和纹理特征越微弱，就越容易受到系统和背景噪声的干扰。在天空、陆地、海天三种战区环境中，海天环境的背景噪声最为复杂，大气辐射，海面杂波，以及该环境下特有的海天线现象都会对红外小目标的识别产生影响。

传统的基于滤波[1-3]和基于图像分割[4-5]的红外点目标检测方法都需要对图像进行预处理，目的是剔除背景噪声，提高目标信噪比，但在预处理的过程中可能会将小目标连同背景一同剔除或者使得小目标的特征信息更加微弱，从而产生漏检情况，这在军事战争中可能会产生严重的后果。基于模式识别理论的目标检测方法由于不需要预处理就能实现目标检测，已被成功地应用于红外小目标的检测与跟踪领域[6-7]。

非线性子空间方法是模式识别理论的一个分支，其中的核主成分分析(kernel principal component analysis, KPCA)算法[8]已被成功地应用于红外小目标的检测中[9]，该算法检测红外小目标的过程是首先用核函数将原始低维空间的训练样本升维到高维空间，在高维空间中利用核技巧计算出高维训练样本的协方差矩阵；其次对求得的协方差矩阵进行奇异值分解，得到所有的特征值和特征向量，选出大于平均值的特征值所对应的特征向量作为红外小目标的主元向量，即红外小目标模型；……