非负红外斑块图像模型：通过奇异值的部分和最小化，实现稳健的目标-背景分离

为了进一步增强小目标并同时抑制繁琐的杂波，提出了一种通过奇异值的部分和最小化的鲁棒非负红外斑块图像模型。 首先，分析了当面对极其复杂的背景时，最新的红外补丁图像（IPI）模型的不良性能背后的内在原因。 我们指出，这在于IPI模型对大量观测值的隐含假设与对强边的观测值不足的现实的不匹配。 为了解决这个问题，我们采用奇异值的部分和来代替低阶背景补丁图像，以提供更准确的背景估计，并几乎消除了分解后的目标图像中的所有显着残差，而不是核规范。 。 另外，考虑到红外小目标总是比其相邻背景更亮的事实，我们提出了对稀疏目标斑块图像的附加非负约束，这不仅可以向后擦除更多不想要的分量，而且可以加快收敛速度速度。 最后，提出了一种基于不精确增强拉格朗日乘数法的算法来求解该模型。 大量实验表明，该模型在杂波抑制性能和收敛速度方面都比其他九种竞争方法有了显着提高。