[发明专利]一种基于压缩感知算法的红外图像预处理方法

说明书

技术领域

本发明属于红外图像预处理领域，尤其涉及一种基于压缩感知算法的红外图像预处理方法。

背景技术

近几十年来，红外热成像技术得到高度重视并处于高速发展中。到目前为止，红外成像技术无论是在军事应用方面抑或是在民用领域，都发挥着不可替代的作用。然而由于热像仪所处的探测环境具有不确定性以及热像仪自身工作状态不理想等原因，导致所拍摄的红外图像并不能直接满足人们的使用要求。为了利于观察或为后续目标识别和智能控制提供先决条件，必须首先对红外图像进行预处理。

2006年，美国学者提出了压缩感知(compressive sensing)理论，这一理论完全打破了传统的数据采样观念，从根本上解决了信号采样频率的问题，从而降低了图像信号采集对硬件的要求。传统的香浓采样定理指出采样速率必须达到信号带宽的两倍以上才能精确重构信号。但是压缩感知理论指出当原始信号具有稀疏性时可以用较低的频率对信号进行压缩采样，然后利用重构算法精确地或者大概率地重构信号，在此过程中原始信号经过不断地逼近处理使得噪声得到滤除。目前，压缩感知算法在图像融合方面已有应用，例如申请号为201210034662的专利提出一种基于区域的压缩感知图像融合方法，但该专利没有专门针对红外图像。

常用的红外图像预处理方法主要有小波变换、遗传算法、针对背景建立数学模型进行预测以及硬件处理等。如申请号为201210538812的专利提出一种基于FPGA的红外图像预处理方法，但该专利从硬件的角度来解决红外图像预处理问题。

发明内容

本发明的目的是提供能够提高红外图像信噪比的，一种基于压缩感知算法的红外图像预处理方法。

本发明一种基于压缩感知算法的红外图像预处理方法，包括以下步骤：

步骤一：对原始红外图像信息进行初步处理，得到处理后的图像信息；

步骤二：根据处理后的图像信息生成冗余字典；

步骤三：利用正交匹配算法对处理后的图像在冗余字典下进行稀疏表示，得到处理后的图像的稀疏矩阵；

步骤四：利用K-SVD算法对冗余字典和稀疏矩阵进行训练，得到训练后的冗余字典和稀疏矩阵；

步骤五：根据训练后的冗余字典和稀疏矩阵计算出最终的红外图像信号。

本发明一种基于压缩感知算法的红外图像预处理方法还可以包括：

1、对原始红外图像信息进行初步处理的步骤为：

(1)将原始图像转换为二维灰度图像；

(2)将灰度图像进行分块处理；

灰度图像的像素大小为m×n，形成一个具有m行、n列的矩阵，每一个分块的像素大小为a×b，横向相邻两个分块矩阵相差一列数据，即后一个分块的第1列数据是前一个分块的第2列数据，垂向相邻两个方块相差一行数据，即后一个分块的第1行数据是前一个分块的第2行数据，灰度图像分成(m-a+1)×(n-b+1)个分块；

(3)将得到的方块转换为列数据；

将每一个分块的所有列数据从上到下依次排列，转换为具有a×b行1列数据矩阵，即将第j分块的数据转换为列数据后作为处理后数据矩阵的第j列，得到处理后的图像信息，处理后的图像信息为[a×b]×[(m-a+1)×(n-b+1)]的矩阵。

2、根据处理后的图像信息生成冗余字典的方法为，将处理后的图像信息作为输入，利用离散余弦行数生成冗余字典，冗余字典的行数是a×b，冗余字典原子个数设为行数4倍。

3、利用正交匹配算法对处理后的图像在冗余字典下进行稀疏表示，得到处理后的图像的稀疏矩阵的步骤为：

(1)令初始残差值等于原始信号，初始迭代次数为0，设置最大迭代次数和误差阈值；

(2)将原始信号中第j列数据与冗余字典中每一个原子作内积，从冗余字典中选择内积最大时对应的原子；

(3)将本次迭代所选择的原子和之前迭代所选择的原子进行施密特正交化处理；

(4)将残差值在已经正交化处理后的原子上进行投影，得到当前第j列数据的多个原子线性组合的表示形式；

(5)将残差值减去投影部分得到更新后的残差值，如果更新后的残差值大于误差阈值并且迭代次数小于最大迭代次数，则转向步骤(2)，否则得到所有列数据的稀疏矩阵。

4、利用K-SVD算法对冗余字典和稀疏矩阵进行训练，得到训练后的冗余字典和稀疏矩阵的步骤为：

(1)对每一个原子，分别利用基于K-SVD算法的字典训练方法对冗余字典和稀疏矩阵进行训练；

将第j个原子d_j进行误差分离，训练残差值的计算为：