融合背景估计与相对局部对比度的天基短波红外弱小目标检测

针对天基短波红外图像中弱小目标易被云层、地表杂波淹没，且在低信杂比条件下检测困难的问题，提出一种融合安德森加速的自正则化加权稀疏模型（Self-Regularized Weighted Sparse， SRWS）与相对局部对比度（Relative Local Contrast Measure， RLCM）的改进检测方法。通过引入安德森加速机制，显著降低了背景估计的计算复杂度，利用背景残差图和RLCM实现了多尺度目标检测性。实验结果表明，本文算法在复杂背景下仍保持优异性能，接收者操作曲线下面积（Area Under Curve， AUC）最高达0.950，最低不低于0.842；信杂比增益（Signal-to-Clutter Ratio Gain， SCRG）显著优于红外图像块（Infrared Patch Image， IPI）、局部对比度法（Local Contrast Measure， LCM）等传统方法。本研究有效提升了天基短波红外弱小目标的检测精度与稳定性，为复杂背景下的遥感目标检测提供了可靠的解决方案。