[发明专利]基于矩阵恢复的红外小目标检测方法

摘要

本发明公开了一种基于矩阵恢复的红外小目标检测方法，将红外小目标检测作为低秩和稀疏矩阵的恢复优化问题，采用截断核范数代替传统的核范数，只对矩阵的秩以外的数据约束最小化，避免了所有奇异值被同时最小化而不能很好地近似秩的缺点；在优化稀疏矩阵恢复问题上采用lq‑norm代替传统的l1‑norm，避免了因稀疏约束松弛而导致结果偏离实际的问题；本发明采用交替方向乘数(ADMM)给出了一种详细的算法来解决这种具有两个非平滑分量的非凸问题，通过选取信号杂波比增益和背景抑制因子两种指标，对4种不同模型进行对比实验，可以得出本发明提出的方法具有更高的准确性和鲁棒性。

主权项

1.一种基于矩阵恢复的红外小目标检测方法，其特征在于：包括以下步骤：步骤S1、获取真实红外图像；步骤S2、建立红外小目标检测模型；步骤S3、优化求解红外背景子问题；步骤S4、优化求解红外目标子问题；步骤S5、优化求解红外噪声子问题；步骤S6、引入其余参数的优化求解问题；设待处理的真实红外图像为D∈R^m×n,红外背景图像为B∈R^m×n,红外目标图像为T∈R^m×n,噪声图像为N∈R^m×n，其中(m,n)为真实红外图像矩阵大小；其中，所述步骤S2实现方法为：S21、建立红外小目标检测优化模型，如下所示：其中，||B||_r＝||B||_*‑tr(XBY^T)代表矩阵B的截断范数，||B||_*代表矩阵B的核范数，r代表矩阵B的秩，代表目标矩阵T的l_q范数，并且XX^T＝I,YY^T＝I，λ₁和λ₂为系数；S22、引入变量M＝B，模型改写为：S23、应用交替方向乘子算法求解模型，如下所示：其中，a和b为拉格朗日系数，R和Q为惩罚系数，||·||_F是Frobenius范数。