[发明专利]一种基于Lp范数和核范数的红外弱小目标检测方法

说明书

本发明公开了一种基于Lp范数和核范数的红外弱小目标检测方法，属于红外图像处理及目标检测领域，首先输入待处理的红外图像，采用滑动窗遍历红外图像，将红外图像转换为红外块图像；再利用Lp范数和核范数构建目标函数，利用ADMM方法构造拉格朗日函数；然后将红外块图像输入目标函数后，结合ADMM方法，求解得出背景块图像和目标块图像；最后，将目标块图像重构为目标图像，再对目标图像进行阈值分割，获取最终检测结果，本发明解决了现有红外弱小目标检测方法由于边缘、强噪声和虚警源等因素的干扰，导致检测准确率低，算法鲁棒性差的问题。

技术领域

本发明属于红外图像处理及目标检测领域，涉及一种基于Lp范数和核范数的红外弱小目标检测方法。

背景技术

近年来，红外小目标检测作为关键技术已被广泛应用于早期预警系统，精确制导武器、导弹跟踪系统和海事监视系统等领域。空中目标是指高度约10～100km的各种类型的飞机和战术导弹，空中背景下的红外图像中目标主要集中在一个小的灰点，缺乏明显的形状和纹理特征；且空中背景下的红外小目标被复杂的云层杂波包围，目标与其周围背景杂波之间的对比度通常很低。因此，这些影响使得空中背景下的红外小目标检测成为具有挑战性的任务。虽然已经提出了许多用于红外小目标检测的方法，但是，当面临混乱的背景时，这些方法还不能很好地发挥作用，因此，红外弱小目标检测领域受到了很多关注。

目前国内对红外弱小目标检测的相关研究机构有很多，其中研究的重点集中在红外预警系统、机载前下视系统对地面及低空目标的监测、红外制导等领域，在实际应用中，当前最先进的弱小目标检测方法可以简单地分为两类：检测前跟踪(TBD)方法和跟踪前检测(DBT)方法。TBD方法通常联合处理多个帧来估计目标，需要极大的运算量和存储量，对计算机性能要求高，因此在实际应用中很少用到；而DBT方法大致可以分成三类：

一是基于背景抑制的方法，背景抑制的方法基于红外图像背景一致性的假设，通常采用滤波器对图像背景进行压制，最后通过阈值分割来进行小目标检测。顶帽变换、最大中值均值滤波、小面模型等方法先后被提出并应用到红外小目标检测领域，但是这种方法的假设和原理相对简单，检测效果并不理想；

二是基于人类视觉系统(HVS)的方法，这类方法的认为目标和背景之间的局部对比度使得人类能够观察到小目标。基于这一观点，局部对比度方法、快速显著性方法、高斯差分方法、局部相关对比度方法、基于高提升的多尺度局部对比等方法被相继提出。这类方法应用的先验知识简单，通常运算效率比较低，因此得到了广泛的应用，但是该方法面对复杂背景和噪声影响时检测效果很不理想、算法鲁棒性低；

三是基于低秩稀疏矩阵重建的方法，这类方法认为观测到的图像是目标图像、背景图像和噪声的线性组合，同时又假设了目标图像有稀疏性、背景图像有低秩性。通过上述过程，将一个小目标检测问题转化成了一个最优化问题求解。红外块图像(IPI)模型最先提出，之后，加权红外块图像(WIPI)模型，目标-背景分离(T-BS)模型，重加权块图像张量(RIPT)模型等方法相继提出。由于这类方法假设更贴近真实情况，相较于其他方法检测效果也会更好，而且随着求解算法的不断改进，这类方法的收敛速度也在不断提升，但是由于这类方法通常使用L1范数作为L0范数的近似，因此结果可能会陷入局部最小而不是全局最小，这影响了稀疏项的约束，使得检测结果中混有杂波、检测算法鲁棒性差。

因此，针对以上问题，本发明提出了一种基于Lp范数和核范数的红外弱小目标检测方法。

发明内容

本发明的目的在于：提供了一种基于Lp范数和核范数的红外弱小目标检测方法，解决了现有红外弱小目标检测方法由于边缘、强噪声和虚警源等因素的干扰，导致检测准确率低，算法鲁棒性差的问题。

本发明采用的技术方案如下：

一种基于Lp范数和核范数的红外弱小目标检测方法，包括以下步骤：