近日，成像探测与智能感知（IDIP）实验室在复杂海洋环境下红外微弱目标检测领域取得重要研究进展，在国际摄影测量与遥感协会（ISPRS）旗舰学术期刊《ISPRS Journal of Photogrammetry and Remote Sensing》（中科院一区TOP，IF=8.979）发表了题为“Infrared Dim Target Detection via Mode-k1k2 Extension Tensor Tubal Rank Under Complex Ocean Environment”的学术论文。硕士生曹兆洋为该论文第一作者，彭真明教授为论文通讯作者，电子科技大学信息与通信工程学院为唯一作者单位。

       红外微弱目标检测在预警系统和精确制导等军事领域有重要应用。复杂海洋背景下，传统的海杂波建模算法普适性低，建模参数常常只适用于特定的海洋表面杂波，其他基于形态学和视觉显著性的算法鲁棒性低，难以处理强边缘和背景杂波产生的虚警。近年来，研究人员提出了基于张量鲁棒主成分分析（TRPCA）模型的红外小目标检测方法，将目标检测问题转换为凸优化问题，取得较好效果，但是张量秩的近似一直没有得到很好的解决，使优化模型中对红外图像背景低秩性的描述欠佳，算法鲁棒性低。

       为此，作者针对TRPCA模型中低秩成分的张量秩近似开展研究，引入METTR范数近似张量秩，通过张量的模-k1k2展开将高阶张量分解为多个不同模态的低阶张量，更好地挖掘了张量的结构信息，并联合形态学处理提出了一种新的红外微弱目标检测算法（如图1）。该算法在实验中具有良好的检测效果（如图2）,在算法定量评价中也具有最优的评价效果（如图3）。该研究弥补了传统检测算法鲁棒性低，普适性差的缺陷，同时也提高了红外小目标检测领域TRPCA模型中低秩成分张量秩的近似精度，对噪声和多种复杂场景都有较高的鲁棒性。

图 1 METTR算法流程

图 2  不同方法的检测结果对比

图 3 对比算法ROC曲线

       近年来, IDIP实验室围绕对地观测遥感图像分析与场景理解、基于视觉的目标检测识别等开展了深入研究，已在IEEE-TGRS, IEEE-TMM, IEEE-JSTARS, IEEE-GRSL, Signal Process., Neurocomput., Opt. Exp., Remote Sens.等发表和交流高水平学术论文百余篇，其中SCI论文90余篇，3篇入选ESI高被引论文。申请发明专利160余项，授权专利80余项。研究成果获教育部、四川省等部省级科技进步奖多项，其中2项实验室为第一完单位。相关成果已在对地观测预警、红外探测及油气勘探等领域得到了应用。

论文链接：https://www.sciencedirect.com/science/article/pii/S0924271621002392​