[发明专利]一种海面红外小目标检测方法

说明书

技术领域

本发明属于目标检测技术领域，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。

背景技术

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。

发明内容

针对现有技术的以上缺陷或改进需求，本发明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。

为了实现本发明目的，本发明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A_k+1和小目标图像矩阵E_k+1；

(5)判断第(k+1)次迭代的残差(D-A_k+1-E_k+1)与图像矩阵D的商||D-A_k+1-E_k+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E_k+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|+ε_E)；

其中|·|表示取绝对值操作，ε_E是防止除零的小常数，取值范围为10^-10≤ε_E≤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；