[发明专利]基于稀疏表示的背景杂波量化方法

摘要

本发明公开了一种基于稀疏表示的背景杂波量化方法，主要解决现有杂波尺度不能很好地符合背景杂波相对性的物理实质及不能充分地体现人眼视觉特性的问题。其实现步骤是：将待量化的灰度背景图像分割成若干个大小相等的小单元，组合成背景矩阵；提取目标向量和背景矩阵的主要特征，得到目标特征向量和背景特征矩阵；对目标特征向量和背景特征矩阵进行归一化处理；计算归一化目标特征向量在归一化背景特征矩阵中的最稀疏表示；将最稀疏表示的绝对值的总和作为整幅图像的背景杂波尺度。本发明充分利用了人眼搜索时的两大特征，提高了预测目标探测概率与主观实际目标探测概率的一致性，可用于光电成像系统目标获取性能的预测和评估。

主权项

1.一种基于稀疏表示的背景杂波量化方法，包括如下过程：(1)将二维的目标图像列向量化，得到目标向量x；(2)将背景图像分成N个大小相等的小单元，每个小单元水平和垂直方向的大小均为目标相应尺寸的二倍；(3)将每个二维的背景小单元列向量化，并组合成背景矩阵Ψ；(4)借助主成分分析PCA对目标向量x和背景矩阵Ψ降维，分别得到目标特征向量和背景特征矩阵Φ；(5)对目标特征向量进行归一化处理，得到归一化目标特征向量x^=x~/||x~||2]]>其中，||·||₂表示向量的l²范数；(6)将背景特征矩阵Φ中每个向量进行归一化处理得到的结果Θ_i，按下标序号从小到大的顺序，构成归一化背景特征矩阵Θ，Θ_i＝Φ_i/||Φ_i||₂，i＝1，2，...，N其中，Φ_i和Θ_i分别为背景特征矩阵Φ和归一化背景特征矩阵Θ的第i个列向量，N为背景特征矩阵Φ中列向量的个数；(7)计算归一化目标特征向量在归一化背景特征矩阵Θ中的最稀疏表示，获得相似向量s：即求解满足的s的最小l⁰范数解：min||s||0满足(8)取相似向量s中非零元素绝对值i＝1，2，...，K，的总和，作为背景杂波量化尺度：其中K为相似向量s中非零元素的个数。