[发明专利]基于局部稀疏表示和对比度的红外目标检测方法

权利要求书

1.基于局部稀疏表示和对比度的红外目标检测方法，其特征在于，包括如下步骤：

步骤1，将原始红外图像分为若干图像块，利用局部稀疏表示和内积方法构建每个图像块的非相似性字典，并基于非相似性字典，计算每个图像块的残差图像块，根据残差图像块得到原始红外图像的残差图像；

步骤2，对于原始红外图像，利用灰度对比度的方法预测图像中的候选目标区域，将图像中非候选目标区域像素的灰度值置零，得到目标预测图像；

步骤3，将步骤1得到的残差图像和步骤2得到的目标预测图像相融合，得到目标预测残差图像，根据目标预测残差图像定位目标区域，并对目标区域进行二值化分割得到最终目标检测结果。

2.根据权利要求1所述基于局部稀疏表示和对比度的红外目标检测方法，其特征在于，步骤1所述将原始红外图像分为若干图像块，利用局部稀疏表示和内积方法构建每个图像块的非相似性字典，具体过程如下：

步骤11，利用大小的滑动窗口将原始红外图像Y按从上到下、从左到右的方式遍历，得到m个大小相同的图像块B_s为图像块Y_k的大小；

步骤12，对于每个图像块，以其为中心扩展出L×L大小的训练窗图像，利用滑动窗口将训练窗图像按从上到下、从左到右的方式遍历，得到h个大小相同的图像块将每个图像块f_g进行列向量化，组成矩阵

步骤13，计算图像块Y_k相对于矩阵F中每个列向量的内积：ρ_g＝<Y_k,f_g>，其中，ρ_g表示Y_k相对于矩阵F中第g个列向量的内积，<·,·>表示内积运算；

步骤14，计算图像块Y_k与其自身的内积β：β＝<Y_k,Y_k〉；

步骤15，计算β与ρ_g的差值绝对值并从中找出c个较大的差值绝对值，c个较大的差值绝对值对应训练窗图像中的c个图像块，将c个图像块列向量化后排列成一个矩阵，得到图像块Y_k的非相似性字典

3.根据权利要求2所述基于局部稀疏表示和对比度的红外目标检测方法，其特征在于，步骤1所述基于非相似性字典，计算每个图像块的残差图像块，根据残差图像块得到原始红外图像的残差图像，具体过程如下：

步骤16，采用OMP算法计算图像块Y_k在非相似性字典下的稀疏编码系数X_k；

步骤17，计算图像块Y_k的重建残差向量ε_k：ε_k＝Y_k-D_kX_k；

步骤18，将重建残差向量还原为大小的矩阵，B_s为图像块Y_k的大小，得到图像块Y_k的残差图像块；

步骤19，对经步骤11得到的每个图像块，都进行步骤12至步骤18的操作，并将所有得到的残差图像块按照其对应的图像块在原始红外图像中的位置，生成新的残差图像。