[發明專利]基于矩陣恢復的紅外小目標檢測方法

有效

• 申請號: 201910729259.2
• 申請日: 2019-08-08
• 公開（公告）號: CN110443209B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 劉時明;朱虎;李海波;鄧麗珍
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V10/77
• 分類號: G06V10/77;G06K9/62
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 張耀文

本發明公開了一種基于矩陣恢復的紅外小目標檢測方法，將紅外小目標檢測作為低秩和稀疏矩陣的恢復優化問題，采用截斷核范數代替傳統的核范數，只對矩陣的秩以外的數據約束最小化，避免了所有奇異值被同時最小化而不能很好地近似秩的缺點；在優化稀疏矩陣恢復問題上采用lq?norm代替傳統的l₁?norm，避免了因稀疏約束松弛而導致結果偏離實際的問題；本發明采用交替方向乘數(ADMM)給出了一種詳細的算法來解決這種具有兩個非平滑分量的非凸問題，通過選取信號雜波比增益和背景抑制因子兩種指標，對4種不同模型進行對比實驗，可以得出本發明提出的方法具有更高的準確性和魯棒性。

技術領域

本發明涉及紅外小目標的檢測和追蹤技術領域，尤其涉及一種基于矩陣恢復的紅外小目標檢測方法。

背景技術

紅外小目標檢測應用于許多方面，其中包括預警系統，精確制導武器，導彈跟蹤系統和海上監視系統，而檢測結果的準確性決定了整個系統的性能。當存在諸如云雜波和海雜波的大噪聲和雜波時，小目標通常被埋沒在具有低信噪比的復雜背景中。此外，由于成像時間長，小目標沒有具體的形狀和紋理。因此，復雜紅外背景中的小目標檢測被認為是困難且具有挑戰性的問題。盡管過去幾十年來許多研究工作都集中在這一領域，但它仍然是一個懸而未決的問題。

傳統的檢測方法，如3D匹配濾波器，改進的3D濾波器和多掃描自適應匹配濾波器，在靜態背景的情況下，利用目標時空信息是可行的。然而，一方面像導彈這樣高速運動的物體導致了成像傳感器和目標之間的快速相對運動，成像背景通常會快速變化。另一方面，具有快速移動傳感器平臺的應用(例如基于飛機和基于導彈的IRST系統)也導致快速變化的背景，即使目標在大多數時間可能保持靜止，因此利用空間-時間檢測方法的性能迅速降低。

與一般物體或顯著性檢測任務不同，紅外小目標檢測的主要挑戰是缺乏足夠的信息。由于成像距離長，目標總是很小，沒有任何其他紋理或形狀特征。由于不同類型的目標，成像距離和相鄰環境在實際場景中差異很大，目標尺寸可能從2×2到10×10像素等，其亮度也會從暗淡變為明亮。除此之外，紅外圖像含有大量云雜波和海雜波的大噪聲和雜波，昏暗小目標很容易淹沒在復雜的背景中。因此如何克服這些困難是檢測紅外小目標的關鍵。

2011年，文獻[J.Candès,Emmanuel,X.Li,Y.Ma,J.Wright,“Robust principalcomponent analysis”,in Journal of the ACM,vol.58,no.3,pp.1-37,2011.]提出了魯棒主成分分析算法，該算法通過凸優化求解主成分分析，可以從一個由低秩成分和稀疏成分組合的混合矩陣中，單獨恢復每個成分。2013年，文獻[C.Gao,D.Meng,Y.Yang,Y.Wang,X.Zhou,A.G..Hauptmann,“Infrared patch-image model for small target detectionin a single image”,in IEEE Transactions on Image Processing,vol.22,no.12,pp.4996-5009,Dec.2013.]采用了這種算法的原理，并應用到了紅外小目標檢測的領域。文獻指出，由于大氣折射，色散，光學散焦，鏡頭像差，衍射，鏡面變形和探測器傾斜，原始紅外背景圖像趨于略微模糊，并且許多斑塊近似線性相關。因此，他認為紅外背景圖像是一個低秩矩陣。紅外目標的尺寸可能從2×2到10×10像素等，但與整幅圖像相比，仍然很小。因此，他認為紅外目標圖像是一個稀疏矩陣。在上述基礎上，文獻提出了紅外補丁圖像模型，將小目標檢測問題作為恢復低秩和稀疏矩陣的優化問題，并采用魯棒主成分分析算法優化求解模型。然而紅外補丁圖像模型通過用核范數逼近秩函數并用懲罰誤差來恢復低秩結構。雖然魯棒主成分分析是凸形公式并且可以有效地解決成像問題，但是引入的規范不是緊密的近似，這可能導致結果偏離真實的數據。

發明內容