[发明专利]一种红外远小目标检测方法

摘要

本发明揭示了一种红外远小目标检测方法，包括稀疏残差计算步骤、结构相似性计算步骤、通过线性关系将稀疏残差和结构相似性信息融合，最终得到检测成像。本发明利用加权稀疏残差模型来重构远小目标，其次，通过区域协方差来分析目标和背景区域的结构相似性，最后将稀疏残差模型和结构相似性特征融合，有效地检测出实际目标并且排除虚假目标。对比以往的红外远小目标检测方法，本发明方法能够在复杂场景下对感兴趣的目标进行更加有效地检测。

主权项

1.一种红外远小目标检测方法，包括如下步骤：步骤一，稀疏残差计算步骤利用SLIC算法将红外图像分割成若干个区域块，每个区域块用p＝{x,y,lu,gx,gy}表示，其中，lu是亮度信息，gx，gy是梯度信息，x，y是像素点坐标，红外图像表示为P＝[p1,p2,...,pN]，N是区域块的数目，从P中抽取出图像的边界分割块d作为基，构建背景模板集D＝[d1,d2,...,dM]，M是边界分割块的数目；对分割图像进行编码， α i = argmin α i ( | | p i - Dα i | | 2 2 + λ | | d i a g ( ω i ) α i | | 1 ) ]]>λ是归一化参数，ωi是分割块di的权值， ω i = 1 P ( d i ) Σ j ∈ P ( d i ) exp ( ( | | d j - d i | | 2 ) 2 σ 2 ) ]]>P(di)代表di的领域分割块，权值ωi用来计算边界分割块di与其领域的相似性，计算每一个分割块的正则化重建残差， E i = | | p i - Dα i | | 2 2 ; ]]>步骤二：结构相似性计算步骤记F为输入图像I的特征图像，Γ是一个映射函数，通过映射变换F＝Γ(I)将输入图像I中的每个像素映射为一个k维的特征向量，F中的一个区域qi能够用一个k×k的协方差矩阵表示， C q u = 1