[發(fā)明專利]基于壓縮采樣矩陣分解的紅外小目標檢測方法

有效

• 申請?zhí)枺?/td>: 201410090156.3
• 申請日: 2014-03-12
• 公開（公告）號: CN103871058B
• 公開（公告）日: 2017-02-08
• 發(fā)明（設計）人: 李麗;李輝;簡偉健;甄紅欣
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于壓縮采樣矩陣分解的紅外小目標檢測方法，其特征在于，包括以下步驟：

步驟一：輸入一幅紅外小目標圖像，求圖像信息熵，根據(jù)圖像信息熵，進行秩估計；

輸入一幅紅外小目標圖像可以表示為：

f(x,y)=B(x,y)+T(x,y)+N(x,y)(1≤x≤m,1≤y≤n)

其中，f(x,y)表示一幅n×m的紅外圖像，B(x,y)表示背景，T(x,y)表示表示目標，N(x,y)表示噪聲，(x,y)表示圖像中的一個像素點；背景部分緩慢變化，具有很強的相關性，可以看做是一個低秩矩陣，即rank(B)≤r，r是一個常數(shù)，r與圖像的復雜度密切相關，通常背景越復雜，r值越大。信息熵可以有效地表示圖像的復雜度，定義圖像信息熵為：

當p_s=0,定義p_slogp_s=0

s表示圖像的像素灰度值，p_s表示該灰度值出現(xiàn)的概率(本發(fā)明利用線性插值的方法，預先通過一些紅外小目標圖像，建立信息熵H和r之間的函數(shù)關系，進而通過H可以求出對應的r；紅外小目標圖像中目標很小，占整幅圖像的像素比列0.15%左右，具有稀疏性，可以看做是一個稀疏矩陣，即||T||₀≤K，||||₀表示l₀范數(shù)，K是一個常數(shù)，由小目標的數(shù)量和尺寸決定，K＜＜m×n，矩陣T中大部分元素為零。

步驟二：將輸入的紅外圖像列向量化，產(chǎn)生列向量F^N×1，(N=n×m)，然后對F進行壓縮采樣；

y=ΦF=Φ(B+T)+e

其中，y表示采樣值，Φ∈R^M×N(M<N)為采樣矩陣，e為采樣噪聲。本發(fā)明中采樣矩陣為沃爾什哈達瑪矩陣。

步驟三：步驟二中得到的低維采樣值包含了恢復B和T的充足信息，目標檢測的任務就轉化為從低維的采樣值y中求解出低秩矩陣B和稀疏矩陣T，對每一幅紅外圖像，進行多次測量并恢復，然后進行加權平均；

1Nu=Σi=1Numin||yi-Φi(Bi+Ti)||F,s.t||Bi||*≤r,||Ti||0≤K]]>

其中，N_u為測量次數(shù)，||||_F為Frobenius范數(shù)，即||||_*為核范數(shù)即奇異值之和，在這里，用||B||_*≤r代替rank(B)≤r。

步驟四：對重構恢復出的目標部分T進行二值化，檢測紅外小目標。

M為T中的最大像素灰度值，β∈(0,1)為閾值系數(shù)。