[发明专利]基于GF4单帧图像的舰船目标检测方法

权利要求书

1.基于GF4单帧图像的舰船目标检测方法，其特征在于：所述方法具体过程为：

步骤1：构建单帧GF4遥感图像的局部加权多波段切片张量；

步骤2：求解局部加权多波段切片张量的低秩背景以及稀疏目标张量；

步骤3：基于步骤2结合GF4多波段信息优化检测结果，获得舰船目标位置坐标；

所述步骤1中构建单帧GF4遥感图像的局部加权多波段切片张量；具体过程为：

步骤11、将GF4遥感图像切成400×400的小图；选择全色和近红外的任意波段数据，将切后的400×400的切片图像建模为：

I_F′＝I_B+I_T+I_N (1)

其中，I_F′、I_B、I_T和I_N分别代表切后的400×400的切片图像以及与之对应的背景图像、目标图像和噪声图像；

步骤12、基于步骤11将切后的400×400的切片图像转换成保留局部信息的三维张量；具体过程为：

构建一个固定大小的二维滑窗，对每个400×400的切片图像进行从左上角到右下角的横向滑动切片，将每次取得的小切片叠加成一个三维立方体，得到将切后的400×400的切片图像转换成保留局部信息的三维张量：

F′＝B+T+N (2)

其中，F′，B，T和N分别为I_F′、I_B、I_T和I_N对应的三维张量，有其中I和J分别为滑窗后的小切片图像的长和宽，P为滑窗后的小切片图像的个数；

步骤13、基于步骤12将局部信息的三维张量进行简化；具体过程为：

假设GF4图像噪声为高斯噪声，且||N||_F≤δ，则F′＝B+T+N简化为：

||F′-B-T||_F≤δ (6)

其中，|| ||_F是F范数，i为矩阵X的第i行，j为矩阵X的第j列，δ为GF4图像噪声最大值；

步骤14、构建矩阵L₁和矩阵L₂；

步骤15、基于步骤14计算边缘显著性局部权重；

步骤16、计算多尺度的局部差对比度；

步骤17、基于步骤15和步骤16得到最终权重；

步骤18、基于步骤17得到局部加权多波段切片张量；

所述步骤14中构建矩阵L₁和矩阵L₂；具体过程为：

利用局部正则化定义边缘显著性权重：

其中，u_σ是切后的400×400的切片图像I_F′利用高斯滤波进行平滑后的输出；G_α为正则化函数，J₁₁、J₁₂、J₂₁、J₂₂为I_F′的局部正则化特征，J_α是一个对称的半正定矩阵，J_α有两个标准正交特征向量表示为w和v；

其中，v＝w^T；上角标T为转置，w指向几何结构的最大对比方向，v指向几何结构的最小对比方向；w、v对应的特征值为：

其中，λ₁和λ₂是切后的400×400的切片图像I_F′在(x,y)的像素所对应的局部几何结构的两个特征描述符；

切后的400×400的切片图像每个像素得到λ₁和λ₂，所有λ₁构成矩阵L₁，所有λ₂构成矩阵L₂；

所述步骤15中基于步骤14计算边缘显著性局部权重；具体过程为：

其中，reCI和reEI分别为I_F′的两种边缘感知指标，其中，h为权值拉伸参数，β为reCI和reEI的加权因子，0β1，norm()为归一化函数；

所述归一化函数norm()为：

其中，A.min为A的最小值，A.max为A的最大值；

所述步骤16中计算多尺度的局部差对比度；具体过程为：

给定I_F′中的一个像素点(x,y)，像素点(x,y)第k邻域定义为：

Ω_k＝{(p,q)∣max(|p-x|,|q-y|)≤k},k＝1,2,...,L (12)

其中，L是一个正整数，p、q为第k邻域中在I_F′图像上的坐标；

第k个邻域的灰度均值为：

其中，N_k为第k个邻域Ω_k包含的像素个数，f(s,t)为Ω_k包含的像素点(s,t)处的灰度值；

因此，第k个局部差对比可以表示为：

其中，C_k(x,y)为第k个局部差对比，A_L(x,y)为第L个邻域的灰度均值，α_max为L个邻域的灰度均值的最大值，α_min为L个邻域的灰度均值的最小值；

据此，多尺度局部差对比为：

C(x,y)＝max{C₁(x,y),C₂(x,y),...,C_L-1(x,y),0} (15)

所述步骤17中基于步骤15和步骤16得到最终权重；具体过程为：

将上述两种局部权重结合，如下式所示：

Wc(x,y)＝C(x,y)×W_LS(x,y) (16)

所述步骤18中基于步骤17得到局部加权多波段切片张量；

表示为：

Wc⊙F′＝B+T+N (17)

其中，⊙为点乘；

所述步骤2中求解局部加权切片张量的低秩背景以及稀疏目标张量；具体过程为：

步骤21、通过主成分追踪求解一个局部加权多波段切片张量的低秩稀疏分解，求解问题如下：

min_B,Trank(B)+λ‖T‖₀,s.t.||F′-B-T||_F≤δ (18)

利用凸代替塔克秩代替原始秩rank，即将式(18)的问题通过求解式(19)的最小化来解决：

其中，B_(i)为背景图像三维矩阵在第i维上的二维展开，||||₂为2范数，||||₁为1范数，||||_F为F范数，λ是一个加权参数；

局部加权多波段的切片张量模型如式(20)所示，式(19)不能直接求解，而是转换为相应的对偶问题：

其中，μ是一个正权重参数；

步骤22、稀疏增强权值定义为：

其中，T^k′(i,j,p)为三维目标张量，i、j、p为三维目标张量T的坐标值，k′为迭代次数；是一个防止上式分母为0的常数；

将局部权重和稀疏增强权重相结合得到自适应权重为：

W＝Wc⊙W_XS (22)

对此，式(20)可以转化为：

通过交替方向乘法器ADMM将公式(23)转换成重新加权的鲁棒张量恢复问题；ADMM将上述问题最小值分解成两个子问题，分别使B_i和T最小；

其中，为中间变量，为F范数的平方；

求解更新的目标切片张量T可通过相应算子求解：

其中，W^k′为第k′次循环的自适应权重；

利用矩阵分解误差与原始图像的F范数的相对误差作为迭代停止的标志，迭代停止的标志为：

||F′-B^k′+1-T^k′+1||_F/‖F′‖_Fε (28)

其中，ε为停止的标志阈值；

若满足||F′-B^k′+1-T^k′+1||_F/‖F′‖_Fε，得到局部加权切片张量的低秩背景以及稀疏目标张量；

否则重新执行公式(21)-(28)，直至满足||F′-B^k′+1-T^k′+1||_F/‖F′‖_Fε；

所述步骤3中基于步骤2结合GF4多波段信息优化检测结果，获得舰船目标位置坐标；具体过程为：

分别从背景张量B和目标张量T中重构出背景I_B和目标图像I_T；

将目标图像I_T进行阈值分割得到初始的检测结果：

其中，mean(I_T)为目标图像矩阵均值，var(I_T)为目标图像矩阵标准差；

计算初始的检测结果I′_T(x,y)中近红外波段每一个目标与全色波段所有目标的距离，表示为列表D1nir，若该列表的最小值min(D1nir)小于20，则认为该目标T是真实目标，否则为虚假目标；最终获得舰船目标位置坐标。