基于壓縮采樣矩陣分解的紅外小目標(biāo)檢測(cè)方法
【專利摘要】一種圖像處理【技術(shù)領(lǐng)域】的基于壓縮采樣矩陣分解的紅外小目標(biāo)檢測(cè)方法，包括以下步驟：步驟一：輸入一幅紅外小目標(biāo)圖像，求圖像信息熵，根據(jù)圖像信息熵，進(jìn)行秩估計(jì)；步驟二：將圖像列向量化，采用沃爾什哈達(dá)瑪矩陣，壓縮采樣獲得測(cè)量值；步驟三：進(jìn)行圖像重構(gòu)，同時(shí)恢復(fù)出背景和目標(biāo)；步驟四：對(duì)紅外小目標(biāo)圖像進(jìn)行二值化處理，檢測(cè)紅外小目標(biāo)。本發(fā)明實(shí)現(xiàn)了壓縮域內(nèi)檢測(cè)紅外小目標(biāo)，通過壓縮采樣，減少了數(shù)據(jù)處理量和存儲(chǔ)量，重構(gòu)后實(shí)現(xiàn)了目標(biāo)和背景的分離，既得到了目標(biāo)又得到了背景，所得到的目標(biāo)部分具有很高的信噪比增益，有效地抑制了背景和噪聲，后續(xù)處理只需簡(jiǎn)單的二值化處理就能檢測(cè)出紅外小目標(biāo)。
【專利說明】基于壓縮采樣矩陣分解的紅外小目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種數(shù)字圖像處理【技術(shù)領(lǐng)域】的方法，具體是一種基于壓縮采樣矩陣分解的紅外小目標(biāo)檢測(cè)方法。
【背景技術(shù)】
[0002]紅外成像技術(shù)具有被動(dòng)，晝夜工作，高穿透力等優(yōu)點(diǎn)，應(yīng)用范圍極廣。紅外小目標(biāo)檢測(cè)是紅外成像技術(shù)的一個(gè)重要應(yīng)用，在軍事、工業(yè)、農(nóng)業(yè)、醫(yī)學(xué)、交通等領(lǐng)域具有重要意義。紅外小目標(biāo)的自動(dòng)檢測(cè)和跟蹤，可不受夜間條件等限制，因此也受到了國(guó)內(nèi)外的普遍關(guān)注和研究。紅外小目標(biāo)占有的像素少，缺少形狀，尺寸，結(jié)構(gòu)等紋理信息，圖像信噪比低，紅外小目標(biāo)的準(zhǔn)確檢測(cè)已經(jīng)成為了一個(gè)難題。近些年來，出現(xiàn)了多種紅外小目標(biāo)檢測(cè)的方法，如最大中值濾波，TopHat濾波，以及最新的基于稀疏表達(dá)的紅外小目標(biāo)識(shí)別方法，這些傳統(tǒng)的紅外小目標(biāo)檢測(cè)方法都是是基于整幅圖像處理的。
[0003]隨著壓縮感知理論的興起，如何在壓縮域?qū)崿F(xiàn)紅外小目標(biāo)的檢測(cè)，即通過處理測(cè)量向量來識(shí)別紅外目標(biāo)，顯得尤為重要。在壓縮域內(nèi)，通過處理壓縮采樣的測(cè)量值，在圖像恢復(fù)重構(gòu)的同時(shí)，實(shí)現(xiàn)目標(biāo)的探測(cè)。壓縮感知理論突破奈奎斯特采樣定律的限制，其核心思想是在信號(hào)采樣的同時(shí)實(shí)現(xiàn)信息的壓縮，按照這一思想，信號(hào)的采樣率不取決于信號(hào)的帶寬，而是取決于信息在信號(hào)中的結(jié)構(gòu)與內(nèi)容，如果信號(hào)足夠稀疏，那么其采樣頻率完全可以低于奈奎斯特采樣頻率。這一信號(hào)處理框架的突出優(yōu)點(diǎn)是實(shí)現(xiàn)了信號(hào)采樣與壓縮的統(tǒng)一，節(jié)省了采樣、數(shù)據(jù)傳輸、存儲(chǔ)與處理的開銷。同時(shí)，壓縮傳感過程得到的數(shù)據(jù)包含了原始信號(hào)的完整信息，因此研究壓縮傳感域的信號(hào)處理方法是非常有必要的，可以避免不必要的重建過程，從而降低計(jì)算和傳輸開銷。壓縮感知理論在圖像處理領(lǐng)域得到了廣泛的應(yīng)用，如圖像壓縮，圖像融合，人臉識(shí)別等，在目標(biāo)識(shí)別領(lǐng)域壓縮感知也得到了初步的探索，目標(biāo)識(shí)別的最終目的找到感興趣的目標(biāo)并進(jìn)行識(shí)別跟蹤等后續(xù)處理，如何處理壓縮采樣得到的低維采樣值，直接進(jìn)行目標(biāo)檢測(cè)，即測(cè)量值在目標(biāo)檢測(cè)中的應(yīng)用研究，是一個(gè)很值得深入研究的問題。

【發(fā)明內(nèi)容】

[0004]1、目的:本發(fā)明針對(duì)已有識(shí)別方法無法在壓縮域內(nèi)識(shí)別紅外小目標(biāo)，提供了一種基于壓縮采樣矩陣分解的紅外小目標(biāo)檢測(cè)方法，通過處理采樣值來檢測(cè)紅外小目標(biāo)。該方法處理的圖像是單幀紅外圖像，具體的技術(shù)方案如下:
[0005]步驟一:輸入一幅紅外圖像，首先進(jìn)行圖像分析，一幅紅外圖像通常有三部分組成，可以表示為:
[0006]f (x, y) =B (X，y) +T (x, y) +N(x, y) (1 ≤x ≤ m, 1≤ Y ≤ n)
[0007]其中，f(x，y)表示一幅nXm的紅外圖像，B(x, y)表示背景，T(x, y)表示表示目標(biāo)，N(x，y)表示噪聲，(x，y)表示圖像中的一個(gè)像素點(diǎn)。背景部分緩慢變化，具有很強(qiáng)的相關(guān)性，可以看做是一個(gè)低秩矩陣，即rank(B)是一個(gè)常數(shù)。！r與圖像的復(fù)雜度密切相關(guān)，通常背景越復(fù)雜，r值越大。信息熵可以有效地表示圖像的復(fù)雜度，表示為:
【權(quán)利要求】
1.一種基于壓縮采樣矩陣分解的紅外小目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟: 步驟一:輸入一幅紅外小目標(biāo)圖像，求圖像信息熵，根據(jù)圖像信息熵，進(jìn)行秩估計(jì)； 輸入一幅紅外小目標(biāo)圖像可以表示為: f (X，y) =B(X，y) +T(x, y)+N(x, y) (1 ≤ x ≤ m, 1 ≤Y ≤n) 其中，f (x, y)表示一幅nXm的紅外圖像，B(x, y)表示背景，T(x, y)表示表示目標(biāo)，N(x, y)表示噪聲，(x，y)表示圖像中的一個(gè)像素點(diǎn)；背景部分緩慢變化，具有很強(qiáng)的相關(guān)性，可以看做是一個(gè)低秩矩陣，即rank (B) ≤ r，r是一個(gè)常數(shù)，r與圖像的復(fù)雜度密切相關(guān)，通常背景越復(fù)雜，r值越大。信息熵可以有效地表示圖像的復(fù)雜度，定義圖像信息熵為:
【文檔編號(hào)】G06T7/00GK103871058SQ201410090156
【公開日】2014年6月18日 申請(qǐng)日期:2014年3月12日 優(yōu)先權(quán)日:2014年3月12日
【發(fā)明者】李麗, 李輝, 簡(jiǎn)偉健, 甄紅欣 申請(qǐng)人:北京航空航天大學(xué)