[发明专利]一种基于深度稀疏低秩神经网络的红外弱小目标检测方法

权利要求书

1.一种基于深度稀疏低秩神经网络的红外弱小目标检测方法，其特征在于，所述方法包含以下步骤：

步骤一、输入一张空间尺寸为M×N的红外图像f_D；设计一个滑动窗口w，按照固定步长s从红外图像f_D的左上角移动到右下角，提取红外图像f_D中的局部图像块；并将提取得到所有局部图像块向量化，组成空间尺寸为m×n的红外块图像D；

步骤二、利用红外块图像中背景和目标的低秩与稀疏特性，建立凸优化方程对红外弱小目标进行检测；基于背景一致性假设，推出红外块图像的背景B是一个低秩矩阵；同时利用目标与背景的差异推出目标红外块图像T是一个稀疏矩阵；

步骤三、利用稀疏学习增强凸优化方程中目标稀疏约束项，并利用增广拉格朗日算法对建立的凸优化问题进行重构；对于目标图像T的求解引入辅助变量h；在此基础上，使用交替方向乘子法分别迭代求解目标红外块图像T，红外块背景图像B，辅助变量h以及拉格朗日乘子U；

步骤四、将建立的稀疏目标检测模型展开成卷积神经网络，分别设计稀疏先验层、低秩先验层、重构层和乘子更新层更新求解各个变量及辅助变量过程中涉及到的参数；通过构建神经网络，实现这些参数的共享以及优化，以寻求最优解；

步骤五、判断红外块图像D与迭代输出的目标红外块图像T，红外块背景图像B是否满足收敛条件；如果满足，则输出目标红外块图像T和红外块背景图像B；如果不满足，则返回步骤三继续迭代循环；

步骤六、将输出的目标红外块图像T和红外块背景图像B中的每一列参照步骤一中的向量化方法，恢复为局部图像块；并按照滑动窗的步长对局部图像块进行拼接；将原图中相同位置像素所对应的各个局部图像块内的像素值取中值作为输出图像中的最终灰度值，从而得到红外弱小目标检测结果。

2.根据权利要求1所述的一种基于深度稀疏低秩神经网络的红外弱小目标检测方法，其特征在于：所述步骤二的具体过程为：

步骤二一、由于热辐射、衍射的影响，提取的局部图像块与其周围的图像块相关，表现出非局部自相关特性；通过对原始红外图像进行奇异值求解，可以发现非零奇异值非常少，这表明红外块图像的背景图像B是一个低秩矩阵；相反，通常弱小目标的像素强度与周围像素强度存在较大差异，目标红外块图像T是一个稀疏矩阵；因此，红外小目标检测问题可以表示为

其中，D是红外块图像，N是噪声，λ是正则化参数，||·||₀代表l₀范数，rank(·)代表矩阵的秩；

步骤二二、l₀范数的求解是NP-hard问题，不能够直接求解；因此，利用l₁范数代替l₀范数，并且用核范数求解矩阵的秩，则公式(1)可以改写为

其中，||·||*代表核范数，||·||₁代表l₁范数，||·||_F代表Frobrnius范数，δ是一个接近于0的常数。