[发明专利]基于结构信息的红外小目标图像的快速重构方法及系统

权利要求书

1.一种基于结构信息的红外小目标图像的快速重构方法，其特征在于，包括：

步骤A，获取红外小目标图像中的目标，根据所述目标确定尺寸先验信息；

步骤B，根据所述尺寸先验信息对所述红外小目标图像进行采样，得到若干子图像；

步骤C，对每一所述子图像进行行堆叠，得到堆叠矩阵，所述堆叠矩阵满足多测量向量模型；

步骤D，对每一所述子图像进行压缩测量，得到包括所述堆叠矩阵的压缩观测矩阵；

步骤E，采用块稀疏贝叶斯学习方法对所述压缩观测矩阵进行重构，得到重构后的红外小目标图像。

2.如权利要求1所述的快速重构方法，其特征在于，所述红外小目标图像以X表示，X_i,j表示所述红外小目标图像第i行第j列的元素，所述目标的尺寸为L×L，M可被L整除，即M＝L×S，所述步骤B具体包括：

分别从X的第l行开始对X进行下L行采样，得到L个子图像其中：

3.如权利要求2所述的快速重构方法，其特征在于，所述步骤C具体包括：

对每一所述子图像进行行堆叠，得到L列向量；

合并每一所述子图像的行堆叠，得到堆叠矩阵X^d，

4.如权利要求3所述的快速重构方法，其特征在于，以X_i·表示所述红外小目标图像X第i行元素所构成的行向量，所述步骤D具体包括：

步骤D1，对每一所述子图像分别按行进行压缩测量，则分别按行压缩测量后得到行压缩观测值Y_l^d：

其中，P表示对按行压缩测量得到的感知矩阵，每行感知过程中的感知矩阵P均相同；

步骤D2，根据公式(2)对L个行压缩观测值Y_l^d分别进行列向量化，得到L个列向量y_l，

步骤D3，对每一个列向量y_l进行压缩测量，得到列压缩观测值

其中，J＝K·S,T<J，Ω表示对进行压缩测量得到的感知矩阵，每列感知过程中的感知矩阵Ω均相同；

步骤D4，构建观测压缩矩阵Y，则有：

其中，代表克罗内克乘积Kronecker product；

步骤D5，将堆叠矩阵代入公式(5)中，得到最终的压缩观测矩阵Y，即：