[發明專利]基于重加權低秩和增強稀疏的紅外弱小目標檢測方法

有效

• 申請號: 201811014751.3
• 申請日: 2018-08-31
• 公開（公告）號: CN109285148B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 糾博;蘇呈浩;劉宏偉;陳渤;王英華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于重加權低秩和增強稀疏的紅外弱小目標檢測方法，本發明的具體步驟如下，(1)獲取紅外圖像；(2)對紅外圖像片圖像化；(3)構建重加權低秩和增強稀疏模型；(4)用迭代的方法計算目標片矩陣；(5)重構目標片矩陣；(6)獲得紅外弱小目標檢測圖像；本發明可用于紅外弱小目標檢測，可以降低計算復雜度和虛警率，提高目標檢測率。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及目標檢測技術領域中的一種重加權低秩和增強稀疏的紅外弱小目標檢測方法。本發明可用于從紅外波段的紅外圖像中檢測出弱小目標，例如飛機、導彈、衛星等。

背景技術

紅外弱小目標檢測是紅外搜索與跟蹤的關鍵技術，由于紅外傳感器作用距離遠，使得目標在紅外傳感器所呈的圖像上尺寸特變小，只有幾個到幾十個像素，沒有明顯的形狀、紋理信息。另外，由于環境的干擾，紅外圖像存在嚴重的噪聲和雜波，小目標經常被淹沒在復雜的背景中，信噪比很低，使得復雜背景下的弱小目標檢測變得非常困難。目前，在紅外弱小目標檢測領域中，主要是利用紅外圖像背景的高度相關性來實現。這種方法是先對獲取的紅外圖像進行預處理，然后根據紅外圖像背景的高度相關性建立優化模型，最后對建立的模型進行求解來完成弱小目標的檢測。

南京理工大學在其申請的專利文獻“一種基于改進Tri邊緣算子的紅外目標檢測方法”(專利申請號：201711303933.8，申請公開號：CN108171661A)中公開了一種基于改進Tri邊緣算子的紅外目標檢測方法。該方法先對少量云層的天空背景進行預測，得到背景預測圖像，然后從原始圖像減去背景預測圖像，得到殘差圖像，隨后將殘差圖像與原始圖像相加得到高度對比度圖像；再使用改進的Tri邊緣提取算子提取背景邊緣信息并對其進行抑制，最后根據自適應閾值，對目標進行標識，得到紅外檢測目標。該方法雖然可以實現弱小目標檢測，但是該方法仍然存在的不足之處是，在多云層的天空背景或山體背景情況下，對背景預測不準確，改進的Tri邊緣提取算子并不能很好的提取背景邊緣信息，導致在目標進行標識時，出現很多虛假目標，嚴重情況下會造成檢測失敗。另外該方法計算量大，耗費時間成本較高。

西北工業大學在其申請的專利文獻“一種基于視覺注意機制的海上紅外目標檢測方法”(專利申請號：201710549190.6，申請公開號：CN107563370A)中公開了一種基于視覺注意機制的海上紅外目標檢測方法。該方法首先計算顯著圖，然后通過形態學閉運算、二值化操作處理顯著圖獲得目標區域位置，最終達到目標檢測效果。該方法雖然可以實現目標檢測，但是該方法仍然存在的不足之處是，在低信噪比情況下，由于弱小目標并不明顯，使用該方法就不能檢測出目標，造成檢測率下降。甚至一些強背景被誤檢為目標，造成虛警率上升。

發明內容

本發明的目的是針對上述現有技術存在的不足，提出了一種重加權低秩和增強稀疏的紅外弱小目標檢測方法。

本發明的基本思路是：從紅外傳感器所拍攝的紅外圖像中提取一幀以天空云層或沙漠為背景的紅外圖像，將得到的紅外圖像進行片圖像化，利用非局部背景的低秩特性和弱小目標的稀疏特性構建重加權低秩和增強稀疏模型，利用迭代的方法對該模型進行優化求解，得到背景片矩陣和目標片矩陣，最后對目標片矩陣進行重構，得到弱小目標檢測圖像。

實現本發明目的的具體步驟如下：

(1)獲取紅外圖像數據：

從紅外傳感器所拍攝的紅外圖像中提取一幀以天空云層或沙漠為背景的紅外圖像；

(2)對紅外圖像進行片圖像化；

(2a)用一個固定大小50*50和步長為10的窗口在紅外圖像上進行滑動；

(2b)將每次滑動得到的紅外圖像塊拉伸為列向量；

(2c)將所有的列向量按照滑動次序依次排列組成紅外片矩陣；

(3)利用低秩稀疏公式，構建重加權低秩和增強稀疏模型；