[發(fā)明專利]基于自適應(yīng)權(quán)重核范數(shù)近似的低秩表示和稀疏約束的海上艦船檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110443152.9
• 申請(qǐng)日: 2021-04-23
• 公開（公告）號(hào): CN113076659A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 袁飛;吳澤彬;徐洋;韋志輝;陸威
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F111/04
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 陳鵬

1.一種基于自適應(yīng)權(quán)重核范數(shù)近似的低秩表示和稀疏約束的海上艦船檢測(cè)方法，其特征在于，包括：

根據(jù)改進(jìn)的奇異值分解算法對(duì)背景訓(xùn)練樣本進(jìn)行自適應(yīng)背景學(xué)習(xí)；

根據(jù)低秩表示和稀疏約束模型對(duì)高光譜海洋圖像數(shù)據(jù)進(jìn)行建模；

在低秩背景矩陣恢復(fù)時(shí)，根據(jù)上次迭代的奇異值大小更新權(quán)重，從而達(dá)到自適應(yīng)權(quán)重核范數(shù)近似的目的；

對(duì)高光譜海洋圖像數(shù)據(jù)處理得到稀疏矩陣并根據(jù)檢測(cè)算子進(jìn)行艦船目標(biāo)的檢測(cè)。

2.根據(jù)權(quán)利1所述的基于自適應(yīng)權(quán)重核范數(shù)近似的低秩表示和稀疏約束的海上艦船檢測(cè)方法，其特征在于，所述根據(jù)改進(jìn)的奇異值分解算法對(duì)背景訓(xùn)練樣本進(jìn)行自適應(yīng)背景學(xué)習(xí)，具體如下：

對(duì)于背景的訓(xùn)練樣本y_B∈R^m×n，m和n表示的是矩陣行和列的個(gè)數(shù)，根據(jù)數(shù)學(xué)模型計(jì)算背景字典，公式如下：

式中，A_B為背景字典，γ為稀疏向量，K為稀疏度；

由于上述問題有兩個(gè)變量需要優(yōu)化，通過固定其中一個(gè)變量，優(yōu)化另一個(gè)變量，再以交替固定更新優(yōu)化的方式進(jìn)而求解；因此，將問題分解為稀疏編碼和字典更新兩個(gè)部分；假設(shè)現(xiàn)在更新迭代的次數(shù)為i，那么更新的具體過程如下：

首先在稀疏編碼階段，利用正交匹配追蹤算法計(jì)算稀疏系數(shù)矩陣γ；

然后在字典更新階段，按列對(duì)字典Aⁱ的每一列a_k進(jìn)行更新，k＝1,2,...,M，M為字典列的個(gè)數(shù)：

(1)定義ω_m是稀疏系數(shù)矩陣第m個(gè)行向量非零元素索引的集合；

(2)更新a_k的時(shí)候，計(jì)算誤差矩陣

(3)定義E'_m是E_m中對(duì)應(yīng)ω_m不為零的列；

(4)對(duì)E'_m作奇異值分解E'_m＝U∑V^T，a_k更新為U的第一列，同時(shí)，更新系數(shù)向量

(5)i＝i+1；

最終通過迭代計(jì)算直至達(dá)到迭代次數(shù)或者收斂到指定的誤差，自適應(yīng)學(xué)習(xí)得到背景字典。

3.根據(jù)權(quán)利要求1所述的基于自適應(yīng)權(quán)重核范數(shù)近似的低秩表示和稀疏約束的海上艦船檢測(cè)方法，其特征在于，所述根據(jù)低秩表示和稀疏約束模型對(duì)高光譜海洋圖像數(shù)據(jù)進(jìn)行建模，具體步驟如下：

高光譜海洋圖像數(shù)據(jù)中所有像元可分為背景和艦船目標(biāo)部分，那么原始高光譜海洋圖像數(shù)據(jù)Y∈R^B×N，則可以分解為：

Y＝AX+T

其中，A為背景字典，X為系數(shù)向量，T為艦船目標(biāo)，B是高光譜海洋圖像數(shù)據(jù)的波段數(shù)，N是所有像元的個(gè)數(shù)；

給出基于低秩表示和稀疏約束的艦船目標(biāo)檢測(cè)數(shù)學(xué)模型：

s.t.Y＝AX+T

其中，||·||_*為矩陣的核范數(shù)，||·||₁為矩陣的l₁范數(shù)，作為稀疏約束項(xiàng)，||·||_2，1為矩陣的l_2,1范數(shù)；λ和β都是用來調(diào)節(jié)相應(yīng)的矩陣在式中占據(jù)的權(quán)重。

4.根據(jù)權(quán)利要求1所述的基于自適應(yīng)權(quán)重核范數(shù)近似的低秩表示和稀疏約束的海上艦船檢測(cè)方法，其特征在于，所述在低秩背景矩陣恢復(fù)時(shí)，根據(jù)上次迭代的奇異值大小更新權(quán)重，從而達(dá)到自適應(yīng)權(quán)重核范數(shù)近似的目的，具體如下：

通過上一步獲得的低秩表示和稀疏約束的艦船目標(biāo)檢測(cè)模型，利用自適應(yīng)權(quán)重核范數(shù)近似的方式，將模型轉(zhuǎn)化為如下模型：

s.t.Y＝AX+T

其中，||X||_ω,*為矩陣自適應(yīng)權(quán)重的核范數(shù)。