近日，成像探测与智能感知（IDIP）实验室在红外小目标检测领域再次取得重要研究进展，在IEEE Transactions on Geoscience and Remote Sensing（JCR-1,IF=5.600,TOP期刊）发表了题为“Infrared Small Target Detection Using Non-Overlapping Patch Spatial-Temporal Tensor Factorization with Capped Nuclear Norm Regularization”的学术论文。2019级硕士生王光慧为该论文第一作者，导师陶冰洁副教授为共同（第二）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。

       红外探测系统具有更好的抗干扰能力，在地面监视、空间探测及天基预警中起着重要的作用。复杂场景下，红外成像易受强杂波干扰，信杂比（SCR）低，成像质量差。同时，由于探测距离远，成像目标所占像素少，缺少局部结构和纹理信息等。因此，远距离红外弱小目标检测面临巨大的挑战。

      在实验室前期开展的张量低秩稀疏分解模型基础上，引入空时上下文信息，充分考虑帧间关联性和目标运动信息，提出了一种基于空时张量分解及上限核范数正则化的红外小目标检测方法。通过构建非重叠块低秩/稀疏时空张量模型（NPSTT），并引入上限核范数（TCNN）正则化以限制奇异值搜索范围，更合理地描述和近似背景张量的秩。

图1  基于TCNN-NPSTT模型小目标检测框架

图2  不同方法的检测结果对比

图3  不同算法的ROC曲线

       相比现有检测技术，作者提出的结合TCNN正则化的NPSTT（TCNN-NPSTT）红外小目标检测框架（图1），具有更好的检测性能（如图2），定量评价也体现了最优的性能指标（图3），算法的抗噪能力和对复杂场景的适应性等都得到了一定程度的提升。

       论文链接 : 10.1109/TGRS.2021.3126608