The WIPI Model Based on Multi-Scale Local Contrast Post-Processing for Infrared Small Target Detection

According to the infrared patch image (IPI) model theory, the infrared image background has a low rank and the target is sparse. The low-rank model can be used to separate the background and identify the target. However, in a noisy environment, the recognition effect will be affected. The higher the noise, the harder it would be to detect a small target. The residual strong fault and background edges could reduce the detection rate and increase false alarms. The traditional IPI model is adaptable to the background with the lower noise. This paper combines weighted nuclear norm minimization (WNNM) optimization with sparse representation based on the local IPI model. The background details are described more prominently by improving the nuclear norm weighting factor. The target is much easier to detect under the specific bright clouds and ground buildings background with high noise. At the same time, post-processing with image local contrast analysis is performed to compare traditional spatial filtering and local infrared patch image model algorithms. Our method has a good suppression effect on complex noise backgrounds and achieves a higher signal to clutter ratio gain (SCRG). It could also improve the target detection rate and reduce false alarms. Selon la theorie du modele de correction des images infrarouges (IPI), l'arriere-plan de l'image infrarouge a un rang faible et la cible est clairsemee. Le modele du rang inferieur peut etre utilise pour separer l'arriere-plan et reconnaitre la cible. Cependant, dans un environnement bruite, la reconnaissance de la cible sera affectee. Plus l'arriere-plan est bruite, plus il sera difficile de detecter une petite cible. Les erreurs residuelles importantes et les bords d'arriere-plan peuvent reduire le taux de detection et augmenter les fausses alarmes. Le modele IPI traditionnel est adaptable a un arriere-plan moins bruite. Cet article combine l'optimisation de la minimisation ponderee des normes nucleaires (WNNM) avec une representation parcimonieuse basee sur le modele local de l'IPI. Les details de l'arriere-plan sont decrits de maniere plus evidente en ameliorant le facteur de ponderation de la norme nucleaire. La cible est beaucoup plus facile a detecter sous des nuages lumineux et un fond de batiments bruite. Dans le meme temps, un post-traitement avec une analyse du contraste local de l'image est effectue pour comparer les algorithmes traditionnels de filtrage spatial et notre modele de correction des images infrarouges. Notre methode a un bon effet de suppression sur les bruits de fond complexes et permet d'obtenir un rapport signal/bruit plus eleve. Elle pourrait egalement ameliorer le taux de detection de la cible et reduire les fausses alarmes.