[发明专利]一种基于WIPI模型的红外成像SF6

权利要求书

1.一种基于WIPI模型的红外成像SF₆气体检测方法，其特征在于，包括以下步骤：基于单帧红外图像模型，利用局部区域构造方法建立IPI模型；采用核范数最小化NNM模型来凸近似低秩矩阵的最小化表达式；采用加权核范数WNNM模型对所述最小化表达式进行重定义；将所述加权核范数WNNM模型转化为二次优化模型；建立奇异值表达式，使得迭代的奇异值能够自适应的更新权重，并通过WAPG算法进行求解。

2.根据权利要求1所述的一种基于WIPI模型的红外成像SF₆气体检测方法，其特征在于，所述单帧红外图像模型为如下表达式：

f_D(x，y)＝f_T(x，y)+f_B(x，y)+f_N(x，y)，

式中，(x，y)分别表示像素点的横纵坐标，f_D(x，y)为原始红外图像，f_T(x，y)为目标图像，f_B(x，y)为背景图像，f_N(x，y)为噪声图像；

通过利用局部区域构造法将所述单帧红外图像模型转化为IPI模型，所述IPI模型为如下表达式：

D＝T+B+N，

式中，D为原始补片图像，T为目标补片图像，B为背景补片图像，N为噪声补片图像。

3.根据权利要求2所述的一种基于WIPI模型的红外成像SF₆气体检测方法，其特征在于，基于IPI模型，将所述背景补片图像转化为低秩矩阵：

rank(B)≤r，

所述低秩矩阵中，r为常数，代表背景的复杂程度，r的值越大，背景越复杂；

基于IPI模型，将所述目标补片图像转化为稀疏矩阵：

||T||₀＜k，

所述稀疏矩阵中，||T||₀表示0-范数，代表所述稀疏矩阵中非0元素的数量，k的值取决于图像中目标的尺寸与数量，且k＜＜m*n，m*n表示目标补片图像的大小。

4.根据权利要求3所述的一种基于WIPI模型的红外成像SF₆气体检测方法，其特征在于，假设所述目标补片图像T为稀疏矩阵，所述背景补片图像B为低秩矩阵，并考虑图像中的噪声，将所述IPI模型转化为凸优化问题并建立一次优化模型：

所述一次优化模型中，||B||_*表示核范数，λ为非负权重的常数，||T||₁表示1-范数，表示F-范数，定义为δ表示图像的噪声水平。

5.根据权利要求1所述的一种基于WIPI模型的红外成像SF₆气体检测方法，其特征在于，所述低秩矩阵的核范数为其所有奇异值之和，所述最小化表达式为：

所述最小化表达式中，δ_i(B)为低秩矩阵B的第i个奇异值。

6.根据权利要求5所述的一种基于WIPI模型的红外成像SF₆气体检测方法，其特征在于，核范数最小化NNM模型的低秩矩阵凸近似问题，通过对观测低秩矩阵的奇异值进行软阈值操作来得到其闭式解，建立如下闭式解表达式：

所述闭式解表达式中，U∑V^T1为低秩矩阵的奇异值分解，∑2为奇异值3δ_i(B)组成的对角矩阵，4S_λ(∑)为对角矩阵5∑的软阈值分割算子，则对6∑中的每个元素∑_i7来说，则有如下分割阈值表达式：

S_λ(∑)_i＝max(∑_i-λ，0)。