一种海面红外小目标检测方法技术

本发明专利技术公开了一种海面红外小目标检测方法，其步骤包括：(1)由非局部块构造新图像矩阵：将原始图像矩阵分解为相互重叠的子块，再将子块展成列向量，然后将列向量组合获得新的图像矩阵；(2)稀疏与低秩矩阵分解：将新构造的图像矩阵分解为稀疏的小目标分量、低秩的背景图像分量以及噪声分量；(3)建立凸优化模型：构建关于小目标图像和背景图像的凸优化约束能量泛函；(4)高效优化求解：采用高效参数自适应更新的交替方向乘子法求解构建的凸优化约束能量泛函；迭代获取感兴趣的小目标图像；本发明专利技术提供的检测方法计算代价低，参数自适应能力好，检测效率高，具有抗背景噪声和杂波干扰的能力，可应用于复杂海面背景的红外小目标检测。

【技术实现步骤摘要】

本专利技术属于目标检测
，更具体地，涉及一种在背景强噪声和杂波的情形下，基于非局部块矩阵稀疏与低秩分解和快速优化求解的海面红外小目标检测方法。
技术介绍
红外小目标检测技术是红外搜索和跟踪系统中的关键技术。红外搜索和跟踪系统的性能依赖于红外小目标的检测精度。海面红外小目标检测易受到复杂背景噪声和杂波干扰，红外图像呈现低信噪比和低对比度，再加上远距离目标成像，导致目标一般占据像素比例小；此外，红外小目标没有明显的纹理和形状结构特征，传统的基于形状结构等特征的检测方法性能受限，甚至无法检测到目标。近年来，基于低秩矩阵表示的目标检测方法被用于红外小目标检测，该方法是利用小目标矩阵的稀疏性和背景图像矩阵的低秩性来恢复数据矩阵；但在强噪声和海杂波背景的干扰下，海面小目标图像背景的低秩特征往往并不满足，直接在观测图像数据上应用基于低秩矩阵分解的目标检测方法性能受限。另一方面，为了充分利用低秩矩阵恢复模型以及秩的全局性约束，需要结合具体应用背景构造满足可进行低秩和稀疏矩阵分解的新图像数据矩阵。在实际应用中，低计算复杂度和低计算代价的要求对海面红外小目标的快速检测提出了新的挑战。现有技术中采用Landweber迭代方法求解优化模型，但该迭代方法需要不断更新参数，收敛速度慢。因此，低秩矩阵恢复模型的快速求解技术也需要优化设计。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种海面红外小目标检测方法，其目的在于是从新构造的数据矩阵中恢复出稀疏的红外小目标和低秩的海面背景图像，解决强噪声和海面杂波背景下海面红外小目标的有效稳定检测问题。为了实现本专利技术目的，本专利技术提供一种海面红外小目标检测方法，具体步骤如下：(1)构造新的图像矩阵：对含海面小目标的原始观测图像矩阵按照从左至右、从上至下的顺序分解为相互重叠的块；将每个块展成列向量；按列向量对应的块在原始图像矩阵的顺序将所有列向量从左到右依次排列获得图像矩阵D；每个块分辨率为N×N；相邻块在水平方向和在竖直方向的重叠部分的像素均为M；5≤N≤80，1≤M≤40；其中，将块展成列向量是指块的第一列像素不动，第二列像素排在第一列像素的后面，第三列像素排在第二列像素的后面，以此类推直到将块内所有像素排列完的操作；(2)稀疏与低秩矩阵分解：将上述图像矩阵D分解为小目标图像矩阵E、背景图像矩阵A以及噪声矩阵N；(3)建立泛函模型：根据上述小目标图像矩阵E、背景图像矩阵A以及噪声矩阵N建立含有约束条件的凸优化约束能量泛函模型；(4)对泛函模型求解：采用自适应更新惩罚参数的交替方向乘子法，对上述凸优化约束能量泛函模型进行迭代计算求解，获得第(k+1)次迭代得到的背景图像矩阵Ak+1和小目标图像矩阵Ek+1；(5)判断第(k+1)次迭代的残差(D-Ak+1-Ek+1)与图像矩阵D的商
||D-Ak+1-Ek+1||F/||D||F是否小于等于迭代误差ε1，或者判断是否达到最大迭代次数；若是，则将Ek+1作为检测获得的海面红外小目标图像矩阵；若否，则令迭代次数k＝k+1，并返回至步骤(4)。优选地，上述海面红外小目标检测方法，其步骤(3)具体如下：(3a)利用小目标图像矩阵E构造权重矩阵W＝1/(|E|+εE)；其中|·|表示取绝对值操作，εE是防止除零的小常数，取值范围为10-10≤εE≤10-6；(3b)按照计算正则化参数τ；其中，m和n分别为图像矩阵D的行数和列数；(3c)根据所述权重矩阵W和正则化参数τ，构建凸优化约束能量泛函模型其中，||·||*和||·||1分别表示矩阵的核范数和1范数操作，ο表示两个矩阵对应元素相乘操作，min表示能量泛函取得最小值时变量A和E的值；s.t.是subject to的缩写，是受约束的意思；τ是正则化参数，W是关于矩阵E的元素的权重矩阵，其取值为wij＝1/(|Eij|+εE)，其中Eij表示矩阵E的第ij个元素，i＝1,…m，j＝1,…,n；本步骤中，建模采用的能量泛函关系为小目标图像矩阵E的加权l1范数与背景图像矩阵A的核范数之和；建模采用的线性约束为：D＝A+E+N。优选地，上述海面红外小目标检测方法，其步骤(4)中通过拉格朗日乘子Y将关于矩阵A和矩阵E的原始凸优化约束能量泛函拓展为下式含A、E、Y和β的无约束增广拉格朗日泛函：其中β是正的惩罚参数，<·,·>表示矩阵的内积操作，||·||F表示矩阵的
Frobenius范数处理，表示矩阵的Frobenius范数的平方处理。优选地，上述海面红外小目标检测方法，根据给定的第k次迭代获得的小目标图像矩阵Ek、拉格朗日乘子Yk和惩罚参数βk，求解获得第k次迭代的海面背景图像其中是能量泛函取最小值时背景图像矩阵A的值。优选地，上述海面红外小目标检测方法，根据给定的第k次迭代的背景图像矩阵Ak、拉格朗日乘子Yk、惩罚参数βk和权重矩阵Wk，求解获得第k次迭代的小目标图像矩阵其中是能量泛函取最小值时小目标图像矩阵E的值。优选地，上述海面红外小目标检测方法，根据下述公式对惩罚参数进行自适应更新：其中，k表示迭代次数，ρ为乘积因子，1≤k≤1000，ρ≥1，0<ε≤1；βk是第k次迭代更新后的惩罚参数、Ak是第k次迭代的海面背景图像、Ek是第k次迭代的小目标图像矩阵、Yk第k次迭代的拉格朗日乘子；max{本文档来自技高网...

【技术保护点】
一种海面红外小目标检测方法，其特征在于，包括如下步骤：(1)将原始图像矩阵分解为相互重叠的块；将每个块展成列向量，并按列向量对应的块在原始图像矩阵的顺序将所有列向量从左到右依次排列获得图像矩阵D；每个所述块的分辨率为N×N，相邻块在水平方向和在竖直方向的重叠部分的像素均为M；5≤N≤80，1≤M≤40；(2)将所述图像矩阵D分解为小目标图像矩阵E、背景图像矩阵A以及噪声矩阵N；(3)根据所述小目标图像矩阵E、背景图像矩阵A以及噪声矩阵N建立含有约束条件的凸优化约束能量泛函模型；(4)采用自适应更新惩罚参数的交替方向乘子法，对所述凸优化约束能量泛函模型进行迭代计算求解，获得第(k+1)次迭代得到的背景图像矩阵Ak+1和小目标图像矩阵Ek+1；(5)判断第(k+1)次迭代的残差(D‑Ak+1‑Ek+1)与图像矩阵D的商||D‑Ak+1‑Ek+1||F/||D||F是否小于等于迭代误差ε1，或者判断是否达到最大迭代次数；若是，则将Ek+1作为检测获得的海面红外小目标图像矩阵；若否，则令迭代次数k＝k+1，并返回至步骤(4)。

【技术特征摘要】
1.一种海面红外小目标检测方法，其特征在于，包括如下步骤：(1)将原始图像矩阵分解为相互重叠的块；将每个块展成列向量，并按列向量对应的块在原始图像矩阵的顺序将所有列向量从左到右依次排列获得图像矩阵D；每个所述块的分辨率为N×N，相邻块在水平方向和在竖直方向的重叠部分的像素均为M；5≤N≤80，1≤M≤40；(2)将所述图像矩阵D分解为小目标图像矩阵E、背景图像矩阵A以及噪声矩阵N；(3)根据所述小目标图像矩阵E、背景图像矩阵A以及噪声矩阵N建立含有约束条件的凸优化约束能量泛函模型；(4)采用自适应更新惩罚参数的交替方向乘子法，对所述凸优化约束能量泛函模型进行迭代计算求解，获得第(k+1)次迭代得到的背景图像矩阵Ak+1和小目标图像矩阵Ek+1；(5)判断第(k+1)次迭代的残差(D-Ak+1-Ek+1)与图像矩阵D的商||D-Ak+1-Ek+1||F/||D||F是否小于等于迭代误差ε1，或者判断是否达到最大迭代次数；若是，则将Ek+1作为检测获得的海面红外小目标图像矩阵；若否，则令迭代次数k＝k+1，并返回至步骤(4)。2.如权利要求1所述的海面红外小目标检测方法，其特征在于，所述步骤(3)具体如下：(3a)利用小目标图像矩阵E构造权重矩阵W＝1/(|E|+εE)；其中，εE是防止除零...

【专利技术属性】
技术研发人员：方厚章，时愈，周钢，郑纪彬，许述文，潘东辉，
申请(专利权)人：西安电子科技大学，武汉工程大学，
类型：发明
国别省市：陕西;61