[發(fā)明專利]一種基于圖像幾何分離的紅外弱小目標(biāo)增強(qiáng)方法

有效

• 申請?zhí)枺?/td>: 201410490136.5
• 申請日: 2014-09-23
• 公開（公告）號(hào): CN104268835B
• 公開（公告）日: 2017-07-18
• 發(fā)明（設(shè)計(jì)）人: 秦翰林;曾慶杰;延翔;牟媛;周慧鑫;宗靖國;李佳;韓姣姣;金純;曹洪源;宋尚真;劉上乾
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T7/00
• 代理公司: 北京方圓嘉禾知識(shí)產(chǎn)權(quán)代理有限公司11385
• 代理人: 董芙蓉

1.一種基于圖像幾何分離的紅外弱小目標(biāo)增強(qiáng)方法，其特征在于：

首先，根據(jù)紅外圖像中弱小目標(biāo)和背景雜波分布特點(diǎn)，對圖像中弱小目標(biāo)和背景雜波成分分別采用譜圖小波變換和非下采樣的剪切波變換字典進(jìn)行稀疏表示；然后將這兩個(gè)互不相關(guān)的稀疏字典引入到圖像幾何分離框架中，并利用全變分懲罰因子來獲得更多背景雜波成分信息，使背景雜波成分得到更有效的分離，從而達(dá)到增強(qiáng)弱小目標(biāo)信號(hào)的目的。

2.如權(quán)利要求1所述的一種基于圖像幾何分離的紅外弱小目標(biāo)增強(qiáng)方法，其特征在于：

選取譜圖小波變換SGWT與非下采樣剪切波變換NSST分別作為表征目標(biāo)成分X_T的字典D_T和表征背景雜波成分X_B的字典D_B對包含弱小目標(biāo)的紅外圖像X進(jìn)行幾何分離，具體實(shí)現(xiàn)步驟如下：

(1)紅外圖像分離建模并初始化：

a.紅外圖像分離建模表達(dá)式為

$\begin{array}{ccc}\{{\mathrm{\α}}_T^{opt},{\mathrm{\α}}_B^{opt}\}=\underset{\{{\mathrm{\α}}_T,{\mathrm{\α}}_B\}}{\arg \min }\left|\right|{\mathrm{\α}}_T|{|}_1+|\left|{\mathrm{\α}}_B\right|{|}_1+TV\left\{D_B{\mathrm{\α}}_B\right\}& s.t.& X=D_T{\mathrm{\α}}_T+D_B{\mathrm{\α}}_B\end{array};$

其中，和分別表示經(jīng)最優(yōu)化求解后目標(biāo)成分和背景雜波成分在變換字典D_T和D_B中的最優(yōu)稀疏系數(shù)；

b.初始化X_B＝X和X_T＝X-X_B；

(2)對紅外圖像進(jìn)行幾何分離：

a.固定X_T，更新X_B；

——對X_B進(jìn)行NSST變換：為非下采樣剪切波逆變換字典；

——對系數(shù)α_B用軟閾值方法得到

——重構(gòu)

b.增加懲罰因子TV；

——進(jìn)行TV校正：

其中，μ為全變分懲罰項(xiàng)中的調(diào)節(jié)參數(shù)，為梯度算子；

c.固定X_B，更新X_T；

——對X_T進(jìn)行SGWT變換：為譜圖小波逆變換字典；

——對系數(shù)α_T用軟閾值方法得到

——重構(gòu)

(3)輸出增強(qiáng)后的弱小目標(biāo)圖像。