薛锡瑞，黄树彩，马佳顺，李 宁

（空军工程大学，陕西 西安 710051）

0 引言

红外弱小目标检测一直以来是红外图像处理领域中的热点和难点[1-2]，其技术研究对军事预警、模式识别、图像处理等领域具有重要意义。由于实际场景下，红外目标的探测距离较远，红外信号传播过程中受空气削弱严重，导致其通常以高斯分布的点目标形式存在，且自身不具有显著形状和纹理信息。在复杂背景下红外小目标又常被噪声和杂波淹没，导致含有小目标的红外图像信噪比很低，这对检测技术的有效性提出了更大的挑战。当前红外小目标的检测技术可以分为两大类别：基于单帧空域图像的检测方法和基于时域序列图像的检测方法。基于时域序列图像的检测方法需要更多的先验信息并且通常需要借助于单帧空域检测方法[3]，因此对单帧空域图像检测的研究更具一般意义。传统单帧空域检测常采用背景抑制滤波算法，如最大均值滤波[4]、高通滤波[5]、中值滤波[6]、Top-hat 滤波[7]等。这些滤波算法在目标信噪比较高时对背景具有较好的抑制效果，但在目标亮度较背景峰值亮度低时，会导致虚警率较高，检测性能变差。

近年来，低秩矩阵恢复（low-rank matrix recovery,LRMR）算法逐渐发展成熟，开始有学者将其应用到目标检测领域中。由于算法对含野点和稀疏噪声大的数据更加鲁棒[8]，因此取得了较好的检测效果。低秩矩阵恢复作为一类算法提出之始，主要用于视频背景建模，其基本算法主要包括低秩表示（low-rank representation，LRR）、鲁棒主成分分析（robust PCA，RPCA）和矩阵补全[9]（matrix completion，MC）。……