[發明專利]基于壓縮采樣矩陣分解的紅外小目標檢測方法

有效

• 申請號: 201410090156.3
• 申請日: 2014-03-12
• 公開（公告）號: CN103871058B
• 公開（公告）日: 2017-02-08
• 發明（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

技術領域

本發明涉及一種數字圖像處理技術領域的方法，具體是一種基于壓縮采樣矩陣分解的紅外小目標檢測方法。

背景技術

紅外成像技術具有被動，晝夜工作，高穿透力等優點，應用范圍極廣。紅外小目標檢測是紅外成像技術的一個重要應用，在軍事、工業、農業、醫學、交通等領域具有重要意義。紅外小目標的自動檢測和跟蹤，可不受夜間條件等限制,因此也受到了國內外的普遍關注和研究。紅外小目標占有的像素少，缺少形狀，尺寸，結構等紋理信息，圖像信噪比低，紅外小目標的準確檢測已經成為了一個難題。近些年來，出現了多種紅外小目標檢測的方法，如最大中值濾波，TopHat濾波，以及最新的基于稀疏表達的紅外小目標識別方法，這些傳統的紅外小目標檢測方法都是是基于整幅圖像處理的。

隨著壓縮感知理論的興起，如何在壓縮域實現紅外小目標的檢測，即通過處理測量向量來識別紅外目標，顯得尤為重要。在壓縮域內，通過處理壓縮采樣的測量值，在圖像恢復重構的同時，實現目標的探測。壓縮感知理論突破奈奎斯特采樣定律的限制，其核心思想是在信號采樣的同時實現信息的壓縮，按照這一思想，信號的采樣率不取決于信號的帶寬，而是取決于信息在信號中的結構與內容，如果信號足夠稀疏，那么其采樣頻率完全可以低于奈奎斯特采樣頻率。這一信號處理框架的突出優點是實現了信號采樣與壓縮的統一，節省了采樣、數據傳輸、存儲與處理的開銷。同時，壓縮傳感過程得到的數據包含了原始信號的完整信息，因此研究壓縮傳感域的信號處理方法是非常有必要的，可以避免不必要的重建過程，從而降低計算和傳輸開銷。壓縮感知理論在圖像處理領域得到了廣泛的應用，如圖像壓縮，圖像融合，人臉識別等，在目標識別領域壓縮感知也得到了初步的探索，目標識別的最終目的找到感興趣的目標并進行識別跟蹤等后續處理，如何處理壓縮采樣得到的低維采樣值，直接進行目標檢測，即測量值在目標檢測中的應用研究，是一個很值得深入研究的問題。

發明內容

1、目的：本發明針對已有識別方法無法在壓縮域內識別紅外小目標，提供了一種基于壓縮采樣矩陣分解的紅外小目標檢測方法，通過處理采樣值來檢測紅外小目標。該方法處理的圖像是單幀紅外圖像，具體的技術方案如下：

步驟一：輸入一幅紅外圖像，首先進行圖像分析，一幅紅外圖像通常有三部分組成，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。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，表示為：

當p_s=0,定義p_slogp_s=0

s表示圖像的灰度值，p_s表示該灰度值出現的概率(本發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之間的函數關系，進而當知道圖像熵H時，便可估計出相應的r。紅外小目標很小，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，K是一個常數，由小目標的數量和尺寸決定。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，產生列向量F^N×1，(N=n×m)，然會對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。在本發明中，我們用沃爾什哈達瑪矩陣作為采樣矩陣，因為沃爾什哈達瑪變換只有加減運算，而沒有乘除運算，可以大大提高運算速度，這在圖像圖像處理中是很重要的。

步驟三：步驟二中得到的低維測量向量包含了恢復B和T的充足信息，當Φ滿足約束等容條件(RIP，restricted?isometry?property)或者秩約束等容條件(RRIP，the?rank-restricted?isometry?property)，可以高概率地恢復出B和T，即：