近日，信息与通信工程学院成像探测与智能感知（IDIP）实验室研二张兰丹同学撰写的学术论文“Infrared Small Target Detection via Non-Convex Rank Approximation Minimization joint l2,1 Norm”被国际期刊《Remote sensing》正式录用。张兰丹为论文第一作者，其导师彭真明教授为论文的通讯作者。

        红外弱小目标检测是图像处理、机器视觉在光电探测系统应用中的研究热点之一。红外图像具有低信噪比、低对比度等特点，同时缺乏目标纹理、结构等信息，加上远距离、复杂背景及杂波的影响，使得红外弱小目标检测极其困难。传统的时空滤波类算法虽然具有实现简单、实时性好等优点，场景简单情况下也能达到不错的效果，但是对噪声和杂波极其敏感，算法鲁棒性差。如何有效抑制背景和噪声，提高目标的检测能力，降低虚警，一直是光电探测系统的关键环节和亟待解决的难点问题。

       论文提出了一种新的基于非凸的秩近似极小化联合l2,1范数的红外弱小目标检测方法，采用更加贴近真实秩的γ范数来约束背景，结合l2,1范数来增强抑制边缘噪声的能力。通过多个场景和序列图像的测试仿真表明，所提的算法不仅能有效地抑制背景，提高目标检测的准确率，不受各类强边缘的干扰，同时算法还具有更快的收敛速度。

     《Remote sensing》为遥感领域的主流国际期刊，由MDPIAG出版，目前为中科院2区，2017-2018年最新影响因子IF=3.406。