一种基于鲁棒主成分分析的图像融合方法及系统技术方案

本发明专利技术涉及一种基于鲁棒主成分分析的图像融合方法及系统，方法包括：获取穿墙雷达回波信号；对所述穿墙雷达回波信号进行鲁棒主成分分析，建立回波域联合低秩稀疏模型；利用BP算法对所述穿墙雷达回波信号进行处理，得到原始图像；对所述原始图像进行鲁棒主成分分析，建立图像域联合低秩稀疏模型；利用光滑化快速交替线性化方法分别对所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型进行求解，确定回波域目标图像和图像域目标图像；对所述回波域目标图像和所述图像域目标图像进行指数加权联乘融合处理，得到融合图像。本发明专利技术能够提高杂波和目标分离的准确性，从而提高目标检测的准确性。目标检测的准确性。目标检测的准确性。

【技术实现步骤摘要】
一种基于鲁棒主成分分析的图像融合方法及系统


[0001]本专利技术涉及杂波抑制领域，特别是涉及一种基于鲁棒主成分分析的图像融合方法及系统。

技术介绍

[0002]区别于自由空间中的其他雷达，穿墙成像雷达(Through
‑
the Wall Imaging Radar，TWIR)需要对墙后目标进行探测成像。在这一过程中，由墙体反射造成的杂波信号会以较大的幅值来“遮蔽”目标信号，或者在时域上与目标信号交织重叠。因此，有效抑制墙体杂波，是TWIR对墙后目标准确成像的重要前提。
[0003]诸如奇异值分解(Singular Value Decomposition，SVD)一类的经典杂波抑制算法，仅能实现对主墙体杂波的消除，而残余杂波会显著降低目标成像质量。随着对TWIR的广泛应用和深入研究，目标检测、识别等工作对前期成像的要求愈发严格，现有的杂波抑制算法难以达到穿墙成像的实时性和准确性条件。
[0004]近年来，机器学习理论被逐渐引入TWIR领域，如压缩感知(Compressive Sensing，CS)、矩阵补全(Matrix Completion，MC)以及鲁棒主成分分析(Robust Principal Component Analysis，RPCA)。其中，作为高光谱图像去噪及视频监控中的前景提取等研究方向的常用工具，RPCA可以将数据矩阵唯一分解为低秩杂波矩阵与稀疏目标矩阵，即同时实现对杂波与目标的准确分离。因此，亟需一种方法能够利用RPCA将杂波和目标进行准确分离。
专利
技术实现思路

[0005]本专利技术的目的是提供一种基于鲁棒主成分分析的图像融合方法及系统，以提高杂波和目标分离的准确性。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于鲁棒主成分分析的图像融合方法，包括：
[0008]获取穿墙雷达回波信号；
[0009]对所述穿墙雷达回波信号进行鲁棒主成分分析，建立回波域联合低秩稀疏模型；
[0010]利用BP算法对所述穿墙雷达回波信号进行处理，得到原始图像；
[0011]对所述原始图像进行鲁棒主成分分析，建立图像域联合低秩稀疏模型；
[0012]利用光滑化快速交替线性化方法分别对所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型进行求解，确定回波域目标图像和图像域目标图像；
[0013]对所述回波域目标图像和所述图像域目标图像进行指数加权联乘融合处理，得到融合图像。
[0014]可选的，所述回波域联合低秩稀疏模型为：
[0015][0016]其中，U
w
为杂波信号矩阵，U
tg
为目标信号矩阵，γ为平衡低秩项和稀疏项的正则化参数。
[0017]可选的，所述图像域联合低秩稀疏模型为：
[0018][0019]其中，I
w
为杂波分量矩阵，I
tg
为目标分量矩阵，γ为平衡低秩项和稀疏项的正则化参数。
[0020]可选的，所述利用光滑化快速交替线性化方法分别对所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型进行求解，确定回波域目标图像和图像域目标图像，具体包括：
[0021]将所述穿墙雷达回波信号输入至所述回波域联合低秩稀疏模型，将所述原始图像输入至所述图像域联合低秩稀疏模型；
[0022]分别对联合低秩稀疏模型的光滑参数和惩罚项参数进行初始化，所述联合低秩稀疏模型包括所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型；
[0023]对初始化后的联合低秩稀疏模型进行光滑化处理，得到光滑化处理后的联合低秩稀疏模型；
[0024]对所述光滑化处理后的联合低秩稀疏模型进行迭代，得到回波域目标图像和图像域目标图像。
[0025]可选的，所述对所述回波域目标图像和所述图像域目标图像进行指数加权联乘融合处理，得到融合图像，具体包括：
[0026]设定第一加权指数；
[0027]根据所述第一加权指数和像素均值确定第二加权指数；
[0028]根据所述第一加权指数和所述第二加权指数对所述目标图像进行指数加权联乘多域图像融合处理，得到融合图像。
[0029]一种基于鲁棒主成分分析的图像融合系统，包括：
[0030]获取模块，用于获取穿墙雷达回波信号；
[0031]第一鲁棒主成分分析模块，用于对所述穿墙雷达回波信号进行鲁棒主成分分析，建立回波域联合低秩稀疏模型；
[0032]原始图像确定模块，用于利用BP算法对所述穿墙雷达回波信号进行处理，得到原始图像；
[0033]第二鲁棒主成分分析模块，用于对所述原始图像进行鲁棒主成分分析，建立图像域联合低秩稀疏模型；
[0034]求解模块，用于利用光滑化快速交替线性化方法分别对所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型进行求解，确定回波域目标图像和图像域目标图像；
[0035]指数加权联乘融合处理模块，用于对所述回波域目标图像和所述图像域目标图像进行指数加权联乘融合处理，得到融合图像。
[0036]可选的，所述回波域联合低秩稀疏模型为：
[0037][0038]其中，U
w
为杂波信号矩阵，U
tg
为目标信号矩阵，γ为平衡低秩项和稀疏项的正则化参数。
[0039]可选的，所述图像域联合低秩稀疏模型为：
[0040][0041]其中，I
w
为杂波分量矩阵，I
tg
为目标分量矩阵，γ为平衡低秩项和稀疏项的正则化参数。
[0042]可选的，所述求解模块，具体包括：
[0043]输入单元，用于将所述穿墙雷达回波信号输入至所述回波域联合低秩稀疏模型，将所述原始图像输入至所述图像域联合低秩稀疏模型；
[0044]初始化单元，用于分别对联合低秩稀疏模型的光滑参数和惩罚项参数进行初始化，所述联合低秩稀疏模型包括所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型；
[0045]光滑化处理单元，用于对初始化后的联合低秩稀疏模型进行光滑化处理，得到光滑化处理后的联合低秩稀疏模型；
[0046]迭代单元，用于对所述光滑化处理后的联合低秩稀疏模型进行迭代，得到回波域目标图像和图像域目标图像。
[0047]可选的，所述指数加权联乘融合处理模块，具体包括：
[0048]设定单元，用于设定第一加权指数；
[0049]第二加权指数确定单元，用于根据所述第一加权指数和像素均值确定第二加权指数；
[0050]指数加权联乘多域图像融合处理单元，用于根据所述第一加权指数和所述第二加权指数对所述目标图像进行指数加权联乘多域图像融合处理，得到融合图像。
[0051]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0052]本专利技术提供的基于鲁棒主成分分析的图像融合方法及系统，通过建立回波域联合低秩稀疏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鲁棒主成分分析的图像融合方法，其特征在于，包括：获取穿墙雷达回波信号；对所述穿墙雷达回波信号进行鲁棒主成分分析，建立回波域联合低秩稀疏模型；利用BP算法对所述穿墙雷达回波信号进行处理，得到原始图像；对所述原始图像进行鲁棒主成分分析，建立图像域联合低秩稀疏模型；利用光滑化快速交替线性化方法分别对所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型进行求解，确定回波域目标图像和图像域目标图像；对所述回波域目标图像和所述图像域目标图像进行指数加权联乘融合处理，得到融合图像。2.根据权利要求1所述的基于鲁棒主成分分析的图像融合方法，其特征在于，所述回波域联合低秩稀疏模型为：其中，U
w
为杂波信号矩阵，U
tg
为目标信号矩阵，γ为平衡低秩项和稀疏项的正则化参数。3.根据权利要求1所述的基于鲁棒主成分分析的图像融合方法，其特征在于，所述图像域联合低秩稀疏模型为：其中，I
w
为杂波分量矩阵，I
tg
为目标分量矩阵，γ为平衡低秩项和稀疏项的正则化参数。4.根据权利要求1所述的基于鲁棒主成分分析的图像融合方法，其特征在于，所述利用光滑化快速交替线性化方法分别对所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型进行求解，确定回波域目标图像和图像域目标图像，具体包括：将所述穿墙雷达回波信号输入至所述回波域联合低秩稀疏模型，将所述原始图像输入至所述图像域联合低秩稀疏模型；分别对联合低秩稀疏模型的光滑参数和惩罚项参数进行初始化，所述联合低秩稀疏模型包括所述回波域联合低秩稀疏模型和所述图像域联合低秩稀疏模型；对初始化后的联合低秩稀疏模型进行光滑化处理，得到光滑化处理后的联合低秩稀疏模型；对所述光滑化处理后的联合低秩稀疏模型进行迭代，得到回波域目标图像和图像域目标图像。5.根据权利要求1所述的基于鲁棒主成分分析的图像融合方法，其特征在于，所述对所述回波域目标图像和所述图像域目标图像进行指数加权联乘融合处理，得到融合图像，具体包括：设定第一加权指数；根据所述第一加权指数和像素均值确定第二加权指数；根据所述第一加权指数和所述第二加权指数对所述目标图像进行指数加权联乘多域图像融合处理，得到融合图像。
6.一种基于鲁棒主成分分析的图像融合系统，其特征在于，包括...

【专利技术属性】
技术研发人员：但波，王明泽，刘瑜，王亮，高山，谭大宁，尉豪轩，卢中原，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：