[發明專利]基于形態成份稀疏表示的紅外小弱目標檢測方法

無效

• 申請號: 201210231275.7
• 申請日: 2012-07-05
• 公開（公告）號: CN102750533A
• 公開（公告）日: 2012-10-24
• 發明（設計）人: 李正周;劉梅;王會改;丁浩;唐嵐;劉書君;李明玉
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/32
• 分類號: G06K9/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于，所述檢測方法包括如下步驟：

采用K聚類奇異值分解法(K_SVD)求解原圖像的超完備字典；

根據分類函數將超完備字典分為目標和背景兩種形態特征的子字典；

利用和原子一樣大小的二維模板將原始圖像劃分為若干子圖像，分別對每個子圖像在分類的形態字典中稀疏分解，提取其在目標子字典中的表示系數；

提取目標子字典中的表示系數，利用閾值函數判定是否存在目標，當系數大于閾值時，初步假定該子圖像存在目標，最終根據目標所在的各個圖像塊的稀疏表示系數進行綜合判定，確定目標的具體位置。

2.根據權利要求1所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述K聚類奇異值分解法(K_SVD)是以圖像塊為訓練樣本，求取能表示圖像中各種形態特征的超完備字典。

3.根據權利要求1所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述形態分類字典重構圖像信號

其中，分別表示能稀疏分解目標成份和背景成份的超完備子字典,即目標子字典和背景子字典，，分別表示目標信號和背景噪聲信號的稀疏重構。

4.根據權利要求1所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述超完備字典的分類函數為

其中，表示為原子的分類函數，表示將超完備字典中的原子表示為二維模型。

5.根據權利要求1所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述提取圖像塊在目標子字典中的稀疏系數為

分別表示目標信號和背景噪聲信號在字典和中的稀疏逼近系數，利用兩種冗余字典進行稀疏分解得到圖像的稀疏系數為。

6.根據權利要求1所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述閾值函數為

?

其中，表示目標子字典的稀疏系數閾值函數，表示最大的個目標稀疏系數值。

7.根據權利要求2所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述K聚類奇異值分解法(K_SVD)?求解原圖像的超完備字典包括稀疏編碼和字典更新兩個步驟。

8.根據權利要求7所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述稀疏編碼為提取圖像中大小為的圖像塊作為訓練樣本，根據下式求取每個訓練樣本的稀疏系數

式中，表示一個訓練樣本，表示其稀疏系數。

9.根據權利要求7所述的基于形態成份稀疏表示的紅外小弱目標檢測方法，其特征在于：所述字典更新是按順序更新原子中所有的原子，求解圖像在該原子的稀疏表示系數，定義圖像減去該原子后的稀疏表示誤差為

利用K_SVD分解，得到一組最優逼近，即為求得更新后的和稀疏編碼系數；迭代多次直至字典收斂，即得到更新后的自適應字典。