本发明专利技术提供了一种红外小目标检测方法，应用于红外成像技术领域，包括：基于目标的红外图像序列，建立低秩稀疏张量求解模型，基于Frangi滤波，确定所述低秩稀疏张量求解模型的先验权重张量，通过时空图像块匹配的方式，确定所述低秩稀疏张量求解模型的匹配块张量，对所述先验权重张量和所述匹配块张量进行优化求解，分离出所述低秩稀疏张量求解模型的背景张量和目标张量，根据所述目标张量，得到目标检测结果。本发明专利技术还提供了一种红外小目标检测装置、电子设备及存储介质，可提升红外小目标检测结果的准确率。检测结果的准确率。检测结果的准确率。
【技术实现步骤摘要】
红外小目标检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及红外成像
，尤其涉及一种红外小目标检测方法、装置、电子设备及存储介质。
技术介绍
[0002]红外成像技术通过自身发射或接收红外线光进行成像，夜视范围广，受环境影响小，可穿透云层、雾霾、烟雾等介质，对目标进行探测、记录和监控，在农业、工业等领域有广泛应用。红外目标检测是利用红外成像技术来发现和定位目标的技术。
[0003]当前大多数红外小目标检测算法，不论是PSTNN还是单帧块匹配算法，都只针对单帧图像进行处理，当背景复杂，噪声较高，且目标相对背景存在较快的运动时，其检测结果会受到很大的影响。
技术实现思路
[0004]本专利技术的主要目的在于提供一种红外小目标检测方法、装置、电子设备及存储介质，旨在解决现有技术中红外小目标检测结果不准确的技术问题。
[0005]为实现上述目的，本专利技术实施例第一方面提供一种红外小目标检测方法，包括：基于目标的红外图像序列，建立低秩稀疏张量求解模型；基于Frangi滤波，确定所述低秩稀疏张量求解模型的先验权重张量；通过时空图像块匹配的方式，确定所述低秩稀疏张量求解模型的匹配块张量；对所述先验权重张量和所述匹配块张量进行优化求解，分离出所述低秩稀疏张量求解模型的背景张量和目标张量；根据所述目标张量，得到目标检测结果。
[0006]在一实施例中，所述基于目标的红外图像序列，建立低秩稀疏张量求解模型包括：根据所述红外图像的图像张量、背景张量、目标张量和噪声张量，建立所述低秩稀疏张量求解模型。
[0007]在一实施例中，所基于Frangi滤波，确定所述低秩稀疏张量求解模型的先验权重张量包括：基于Frangi滤波，构建当前红外图像中边缘区域的权重函数和角点区域的权重函数；根据所述边缘区域的权重函数和所述角点区域的权重函数，构建所述当前红外图像中像素位置的局部先验权重；根据所述局部先验权重，确定所述当前红外图像中像素位置的先验权重；根据所述先验权重，为所述当前红外图像的背景中的边缘和角点赋予先验权重张量。
[0008]在一实施例中，所述通过时空图像块匹配的方式，确定所述低秩稀疏张量求解模型的匹配块张量包括：
提取所述红外图像序列的中间帧图像作为所述低秩稀疏张量求解模型的输入；对所述中间帧图像滑窗，逐步确定参考块；对每个所述参考块按照预设的滑窗步长，在当前帧红外图像内基于局部熵全局搜索所述参考块的匹配块，得到匹配度最高的前a个匹配块；根据所述前a个匹配块，构造所述匹配块张量。
[0009]在一实施例中，所述对所述先验权重张量和所述匹配块张量进行优化求解，分离出所述低秩稀疏张量求解模型的背景张量和目标张量包括：采用交叉方向乘子法，根据所述匹配块张量和所述先验权重张量，通过迭代求解得到所述低秩稀疏张量求解模型的背景张量与目标张量。
[0010]在一实施例中，所述根据所述目标张量，得到目标检测结果包括：将所述目标张量恢复为二维图像矩阵；将所述二维图像矩阵中重复像素点进行一维均值滤波，得到目标图像；对所述目标图像进行自适应阈值分割，得到目标检测结果。
[0011]在一实施例中，所述低秩稀疏张量求解模型：s.t.D=B+T+N其中，s和t代表约束条件，D表示图像张量，B表示背景张量、T表示目标张量，N表示噪声张量，D、B、T、N∈R
n1*n2*n3
，R表示实数，n1、n2、n3分别代表张量的三个不同维度。
[0012]本专利技术实施例第二方面提供一种红外小目标检测装置，包括：建立模块，用于基于目标的红外图像序列，建立低秩稀疏张量求解模型；第一计算模块，用于基于Frangi滤波，确定所述低秩稀疏张量求解模型的先验权重张量；第二计算模块，用于通过时空图像块匹配的方式，确定所述低秩稀疏张量求解模型的匹配块张量；优化模块，用于对所述先验权重张量和所述匹配块张量进行优化求解，分离出所述低秩稀疏张量求解模型的背景张量和目标张量；确定模块，用于根据所述目标张量，得到目标检测结果。本专利技术实施例第三方面提供了一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本专利技术实施例第一方面提供的红外小目标检测方法。
[0013]本专利技术实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的红外小目标检测方法。
[0014]从上述本专利技术实施例可知，本专利技术提供的红外小目标检测方法、装置、电子设备及存储介质，通过时空块匹配构造低秩张量，增强了背景的低秩性。利用图像块局部熵构造图像块匹配方式，实现低秩稀疏约束的复杂场景红外图像块张量。通过构先验权重，实现对复杂背景中的边缘和噪声的抑制。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术一实施例提供的红外小目标检测方法的流程示意图；图2为本专利技术一实施例提供的红外小目标检测方法的示意图；图3为本专利技术一实施例提供的先验权重结果的示意图；图4为本专利技术一实施例提供的构建张量的示意图；图5为本专利技术提供的原始图像的示意图；图6为本专利技术提供的单帧领域滑块检测结果的示意图；图7为本专利技术提供的红外小目标检测方法得出的目标检测结果；图8为本专利技术一实施例提供的红外小目标检测装置的结构示意图；图9示出了一种电子设备的硬件结构示意图。
具体实施方式
[0017]为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]请参阅图1和图2，图1为本专利技术一实施例提供的红外小目标检测方法的流程示意图，图2为本专利技术一实施例提供的红外小目标检测方法的示意图该方法，可应用于电子设备中，电子设备包括：手机、平板电脑、手提电脑、智能手表、智能眼镜等可在移动中进行数据处理的电子设备以及台式计算机、一体机、智能电视机等非可在移动中进行数据处理的电子设备，该方法主要包括以下步骤S101至S105。
[0019]S101、基于目标的红外图像序列，建立低秩稀疏张量求解模型。
[0020]根据涉及对红外图像模型的构建，采用图像由背景、目标以及噪声组成的假设，建立以下如公式（1）所示的图像序列模型：D=B+T+N
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中D表示图像张量，B表示背景张量、T表示目标张量，N表示噪声张量，D、B、T、N∈R
n1*n2*n3...
【技术保护点】
【技术特征摘要】
1.一种红外小目标检测方法，其特征在于，包括：基于目标的红外图像序列，建立低秩稀疏张量求解模型；基于Frangi滤波，确定所述低秩稀疏张量求解模型的先验权重张量；通过时空图像块匹配的方式，确定所述低秩稀疏张量求解模型的匹配块张量；对所述先验权重张量和所述匹配块张量进行优化求解，分离出所述低秩稀疏张量求解模型的背景张量和目标张量；根据所述目标张量，得到目标检测结果。2.根据权利要求1所述的红外小目标检测方法，其特征在于，所述基于目标的红外图像序列，建立低秩稀疏张量求解模型包括：根据所述红外图像的图像张量、背景张量、目标张量和噪声张量，建立所述低秩稀疏张量求解模型。3.根据权利要求1所述的红外小目标检测方法，其特征在于，所基于Frangi滤波，确定所述低秩稀疏张量求解模型的先验权重张量包括：基于Frangi滤波，构建当前红外图像中边缘区域的权重函数和角点区域的权重函数；根据所述边缘区域的权重函数和所述角点区域的权重函数，构建所述当前红外图像中像素位置的局部先验权重；根据所述局部先验权重，确定所述当前红外图像中像素位置的先验权重；根据所述先验权重，为所述当前红外图像的背景中的边缘和角点赋予先验权重张量。4.根据权利要求1所述的红外小目标检测方法，其特征在于，所述通过时空图像块匹配的方式，确定所述低秩稀疏张量求解模型的匹配块张量包括：提取所述红外图像序列的中间帧图像作为所述低秩稀疏张量求解模型的输入；对所述中间帧图像滑窗，逐步确定参考块；对每个所述参考块按照预设的滑窗步长，在当前帧红外图像内基于局部熵全局搜索所述参考块的匹配块，得到匹配度最高的前a个匹配块，a为任意正整数；根据所述前a个匹配块，构造所述匹配块张量。5.根据权利要求1所述的红外小目标检测方法，其特征在于，所述对所述先验权重张量和所述匹配块张量进行优化求解，分离出所述低秩稀...
【专利技术属性】
技术研发人员：阿尔斯，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：
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。