张 寅，蔡旭阳，许倩倩，闫钧华，苏 恺，张 琨

(1.南京航空航天大学空间光电探测与感知工业和信息化部重点实验室,江苏 南京 211106;2.南京航空航天大学航天学院，江苏 南京 211106)

1 引言

多运动目标进、出视场和被部分遮挡时，由于目标信息不完整导致难以准确检测出目标，造成漏检。本文对此展开研究，从而在复杂地面背景下准确检测出多运动目标。

2013年，Shen等[1]提出一种基于时空显著性的运动目标检测算法，时空显著性互补提高了多运动目标检测算法的性能。然而，该算法对于纹理简单的目标检测效果较差。2014年，Shakeri等[2]基于二次配准估计相机运动，采用高斯混合模型进行背景建模，采用隐马尔科夫模型进行精细求解，对复杂背景下的运动目标检测性能好，但算法复杂度高，实现难度大。2017年，Yan等[3]联合改进的基于带方向的FAST和旋转BRIEF的二值特征描述子MORB(Modified Oriented fast and Rotated BRIEF) 匹配点和随机光流LKR(Lucas-Kanade Random)跟踪点进行背景补偿，再采用双模高斯矩阵对补偿图像的局部区域建立在线和候选双背景模型，对运动背景下的运动目标检测效果好，但是该算法对复杂背景的目标检测效果较差。2017年，Yan等[4]采用非线性变换模型进行背景补偿，实现了旋转复杂背景下地面慢速运动目标的检测，但是对多个目标查全效果较差。2018年，马琴等[5]提出一种基于谱残差和K-means聚类算法的运动目标检测算法，能有效检测出目标，但是对复杂背景的检测效果较差。

近年来，随着机器学习的发展，许多研究者提出基于目标特征学习的目标检测算法。……