[发明专利]一种基于连续有限帧红外图像的弱小目标检测方法

权利要求书

1.一种基于连续有限帧红外图像的弱小目标检测方法，其特征在于步骤如下：

步骤1、基于连续有限帧红外图像的Lucas–Kanade光流场建立：

其中，T表示转置，表示图像灰度分布的梯度，U表示光流场，I(x,y,t)为(x,y)点在时刻t的灰度值；

步骤2、提取连续有限帧红外图像中的运动区域：

计算梯度方向的光流速率：

其中I_x为I_y为I_t为I(x,y,t)之后通过设定一个阈值T；

当V(x,y)T则(x,y)，是存在运动变化的区域，反之是背景；

将提取出的存在运动变化的前景区域红外图像记为f_D；

步骤3、基于奇异值分解的连续有限帧红外图像中疑似运动目标区域背景抑制：

1、对于存在弱小目标的红外图像感兴趣区域，从前景运动区域红外图像f_D中检测出点目标，首先对其进行建模：

f_D＝f_T+f_B+f_N

其中f_D为前景运动区域红外图像，f_B为前景运动区域红外图像模型中的背景图像、f_T为目标图像，噪声图像用f_N表示；

对于已去除噪声的前景运动区域图像需要构建目标图像f_T，原模型f_D＝f_T+f_B+f_N转变为f_D＝f_T+f_B；

2、将输入图像分块构成输入图像块集，背景与目标分别构成背景图像块集和目标图像块集，将原始问题模型转化为：D＝B+T；

D、B、T分别表示输入图像块集、背景图像块集和目标图像块集；

3、背景图像块集是一个低秩矩阵且目标图像块集是一个稀疏矩阵，点目标提取的问题为从原始数据集中重构低秩部分与稀疏部分的问题，即求解如下优化问题来：

其中||·||_*是矩阵的核范数(比如求所有值的和)，||·||₁是1范数(||X||₁＝∑_ij|X_ij|)，λ是一个正相关的权值常数；

4、通过主要成分追溯方法将上述问题转化为凸优化问题：

并且采用梯度最优加速算法(APG)求解，重构出背景抑制后的目标图像；

步骤4、基于自适应阈值分割的连续有限帧红外图像弱小目标检测：

对于重构出背景抑制后的目标图像，采用OTSU自适应分割算法，通过遍历不同的阈值，计算不同阈值下对应的背景和前景之间的类内方差，当类内方差取得极大值时自适应分割出点目标得到目标位置。

2.根据权利要求1所述的基于连续有限帧红外图像的弱小目标检测方法，其特征在于：所述T的取值范围由目标在图像中运动速度的先验信息决定。