An image of infrared small target detection matrix decomposition method based on the compressed sampling processing technical field, comprises the following steps: input an infrared small target image, the image according to the image information entropy, information entropy, rank estimation; step two: the image column to quantify, using the Walsh Hadamard matrix, compressed sampling the measurement values are obtained; step three: the image reconstruction, and restore the background and objectives; step four: the infrared small target image binarization processing, infrared small target detection. The invention realizes the compression of infrared small target detection domain by compressed sampling, reduce the amount of data processing and storage, the reconstruction is achieved after the separation of the target and the background, not only have the goal has been part of the background, the target with SNR gain is very high, can effectively suppress the background and noise, subsequent processing simply binarization processing can detect infrared small target.
【技术实现步骤摘要】
基于压缩采样矩阵分解的红外小目标检测方法
本专利技术涉及一种数字图像处理
的方法,具体是一种基于压缩采样矩阵分解的红外小目标检测方法。
技术介绍
红外成像技术具有被动,昼夜工作,高穿透力等优点,应用范围极广。红外小目标检测是红外成像技术的一个重要应用,在军事、工业、农业、医学、交通等领域具有重要意义。红外小目标的自动检测和跟踪,可不受夜间条件等限制,因此也受到了国内外的普遍关注和研究。红外小目标占有的像素少,缺少形状,尺寸,结构等纹理信息,图像信噪比低,红外小目标的准确检测已经成为了一个难题。近些年来,出现了多种红外小目标检测的方法,如最大中值滤波,TopHat滤波,以及最新的基于稀疏表达的红外小目标识别方法,这些传统的红外小目标检测方法都是是基于整幅图像处理的。随着压缩感知理论的兴起,如何在压缩域实现红外小目标的检测,即通过处理测量向量来识别红外目标,显得尤为重要。在压缩域内,通过处理压缩采样的测量值,在图像恢复重构的同时,实现目标的探测。压缩感知理论突破奈奎斯特采样定律的限制,其核心思想是在信号采样的同时实现信息的压缩,按照这一思想,信号的采样率不取决于信号的带宽,而是取决于信息在信号中的结构与内容,如果信号足够稀疏,那么其采样频率完全可以低于奈奎斯特采样频率。这一信号处理框架的突出优点是实现了信号采样与压缩的统一,节省了采样、数据传输、存储与处理的开销。同时,压缩传感过程得到的数据包含了原始信号的完整信息,因此研究压缩传感域的信号处理方法是非常有必要的,可以避免不必要的重建过程,从而降低计算和传输开销。压缩感知理论在图像处理领域得到了广泛的应用 ...
【技术保护点】
一种基于压缩采样矩阵分解的红外小目标检测方法,其特征在于,包括以下步骤:步骤一:输入一幅红外小目标图像,求图像信息熵,根据图像信息熵,进行秩估计;输入一幅红外小目标图像可以表示为:f(x,y)=B(x,y)+T(x,y)+N(x,y) (1≤x≤m,1≤y≤n)其中,f(x,y)表示一幅n×m的红外图像,B(x,y)表示背景,T(x,y)表示目标,N(x,y)表示噪声,(x,y)表示图像中的一个像素点;背景部分缓慢变化,具有很强的相关性,可以看做是一个低秩矩阵,即rank(B)≤r,r是一个常数,r与图像的复杂度密切相关,背景越复杂,r值越大;信息熵可以有效地表示图像的复杂度,定义图像信息熵为:
【技术特征摘要】
1.一种基于压缩采样矩阵分解的红外小目标检测方法,其特征在于,包括以下步骤:步骤一:输入一幅红外小目标图像,求图像信息熵,根据图像信息熵,进行秩估计;输入一幅红外小目标图像可以表示为:f(x,y)=B(x,y)+T(x,y)+N(x,y)(1≤x≤m,1≤y≤n)其中,f(x,y)表示一幅n×m的红外图像,B(x,y)表示背景,T(x,y)表示目标,N(x,y)表示噪声,(x,y)表示图像中的一个像素点;背景部分缓慢变化,具有很强的相关性,可以看做是一个低秩矩阵,即rank(B)≤r,r是一个常数,r与图像的复杂度密切相关,背景越复杂,r值越大;信息熵可以有效地表示图像的复杂度,定义图像信息熵为:当ps=0,定义pslogps=0s表示图像的像素灰度值,ps表示该灰度值出现的概率利用线性插值的方法,预先通过一些红外小目标图像,建立信息熵H和r之间的函数关系,进而通过H可以求出对应的r;红外小目标图像中目标很小,占整幅图像的像素比例0.15%左右,具有稀疏性,可以看做是一个稀疏矩阵,即||T||0≤K,...
【专利技术属性】
技术研发人员:李丽,李辉,简伟健,甄红欣,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。