基于重加权低秩和增强稀疏的红外弱小目标检测方法技术

本发明专利技术公开了一种基于重加权低秩和增强稀疏的红外弱小目标检测方法，本发明专利技术的具体步骤如下，(1)获取红外图像；(2)对红外图像片图像化；(3)构建重加权低秩和增强稀疏模型；(4)用迭代的方法计算目标片矩阵；(5)重构目标片矩阵；(6)获得红外弱小目标检测图像；本发明专利技术可用于红外弱小目标检测，可以降低计算复杂度和虚警率，提高目标检测率。

【技术实现步骤摘要】
基于重加权低秩和增强稀疏的红外弱小目标检测方法
本专利技术属于图像处理
，更进一步涉及目标检测
中的一种重加权低秩和增强稀疏的红外弱小目标检测方法。本专利技术可用于从红外波段的红外图像中检测出弱小目标，例如飞机、导弹、卫星等。
技术介绍
红外弱小目标检测是红外搜索与跟踪的关键技术，由于红外传感器作用距离远，使得目标在红外传感器所呈的图像上尺寸特变小，只有几个到几十个像素，没有明显的形状、纹理信息。另外，由于环境的干扰，红外图像存在严重的噪声和杂波，小目标经常被淹没在复杂的背景中，信噪比很低，使得复杂背景下的弱小目标检测变得非常困难。目前，在红外弱小目标检测领域中，主要是利用红外图像背景的高度相关性来实现。这种方法是先对获取的红外图像进行预处理，然后根据红外图像背景的高度相关性建立优化模型，最后对建立的模型进行求解来完成弱小目标的检测。南京理工大学在其申请的专利文献“一种基于改进Tri边缘算子的红外目标检测方法”(专利申请号：201711303933.8，申请公开号：CN108171661A)中公开了一种基于改进Tri边缘算子的红外目标检测方法。该方法先对少量云层的天空背景本文档来自技高网...

【技术保护点】
1.一种基于重加权低秩和增强稀疏的红外弱小目标检测方法，其特征在于，对红外图像进行片图像化，构建重加权低秩和增强稀疏模型，用迭代方法，对模型进行优化求解，得到目标片矩阵，对目标片矩阵进行重构，得到红外弱小目标检测图像；该方法的具体步骤包括如下：(1)获取红外图像数据：从红外传感器所拍摄的红外图像中提取一帧以天空云层或沙漠为背景的红外图像；(2)对红外图像进行片图像化；(2a)用一个固定大小50*50和步长为10的窗口在红外图像上进行滑动；(2b)将每次滑动得到的红外图像块拉伸为列向量；(2c)将所有的列向量按照滑动次序依次排列组成红外片矩阵；(3)利用低秩稀疏公式，构建重加权低秩和增强稀疏模型...

【技术特征摘要】
1.一种基于重加权低秩和增强稀疏的红外弱小目标检测方法，其特征在于，对红外图像进行片图像化，构建重加权低秩和增强稀疏模型，用迭代方法，对模型进行优化求解，得到目标片矩阵，对目标片矩阵进行重构，得到红外弱小目标检测图像；该方法的具体步骤包括如下：(1)获取红外图像数据：从红外传感器所拍摄的红外图像中提取一帧以天空云层或沙漠为背景的红外图像；(2)对红外图像进行片图像化；(2a)用一个固定大小50*50和步长为10的窗口在红外图像上进行滑动；(2b)将每次滑动得到的红外图像块拉伸为列向量；(2c)将所有的列向量按照滑动次序依次排列组成红外片矩阵；(3)利用低秩稀疏公式，构建重加权低秩和增强稀疏模型；(4)计算目标片矩阵：(4a)利用背景软阈值公式，计算当前迭代时背景片矩阵中的每个元素值；(4b)利用目标软阈值公式，计算当前迭代时目标矩阵中的每个元素值；(4c)利用参数软阈值公式，计算当前迭代时参数矩阵中的每个元素值；(4e)判断当前迭代时参数矩阵中的所有元素值是否均小于10-7，若是，将此次迭代得到的目标矩阵作为目标片矩阵后执行步骤(5)，否则，将当前迭代次数加1后执行步骤(4a)；(5)重构目标片矩阵：(5a)将目标片矩阵中的每列折叠为50*50个元素的矩阵块；(5b)将所有的矩阵块按照目标片矩阵列的顺序排序，得到重构后的目标片矩阵；(6)获得红外弱小目标检测图像：将重构后的目标片矩阵输入到矩阵转化图像的软件中，得到红外弱小目标检测图像。2.根据权利要求1所述的基于重加权低秩和增强稀疏的红外弱小目标检测方法，其特征在于，步骤(3)中所述的低秩稀疏公式如下：s.tD＝B+T其中，min表示取最小值操作，B表示红外片矩阵中的...

【专利技术属性】
技术研发人员：纠博，苏呈浩，刘宏伟，陈渤，王英华，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61