专利名称：自适应红外小目标检测方法
专利说明本发明涉及的是一种模式识别技术领域的方法，具体是一种基于字典学习的自适 应红外小目标检测方法。
背景技术：
近年来，随着计算机和图像处理技术的飞速发展，红外成像技术已被广泛地应用 到军事、天文观测、遥感、安全检测、视频监控以及医学成像等领域。一方面，利用红外探测 器摄取景物的热图像来搜索、捕获和跟踪目标，具有隐蔽性好、不易受干扰、识别伪装、获取 的信息丰富等优点；另外一方面，由于红外传感器受到大气热辐射和作用距离以及探测器 自身性能等因素的影响，其探测到的目标在整幅红外图像上往往具有较低的对比度，特别 当探测距离比较远的时候，目标在成像平面内仅占据一个或几个像素的面积，因此没有明 显的形状和结构特征，这就给目标的检测增加了难度，同时，也使得红外小目标的检测成为 一个非常具有挑战性的研究课题。通常情况下，红外小目标检测方法可以分为单帧检测方法和多帧检测方法。基于 单帧的检测方法是利用当前帧图像的灰度信息来对目标进行检测，该类方法通常具有思路 简洁、执行效率高、便于硬件实现等特点。本发明所提出的检测方法属于单帧检测类方法。 传统的单帧检测方法首先利用各种滤波技术对红外图像的背景杂波进行抑制，提高图像的 信噪比，然后通过阈值操作来得到目标的位置。值得注意的是，随着模式识别技术的发展， 基于该技术的目标检测方法正成为一个新的研究热点。基于模式识别技术的目标检测方法 不需要对红外图像进行预处理，直接根据目标的数学模型对目标和背景图像进行建模，通 常是利用不同的学习方法对目标模型和背景模型进行训练，最后根据得到的目标模型和背 景模型对输入的测试图像进行分类判别。其中，目标模型的建立是该类方法的核心和关键， 主成分分析是最常用的一种目标描述方法，而最近几年，研究者发现，信号在超完备字典中 的稀疏表示系数能更好的抓住信号的内在特征，利用信号在超完备字典中的稀疏表示系数 来对目标进行分类，取得了更好的识别结果。经对现有文献的检索发现，中国专利申请号200810038548. X，记载了一种“基于 线性PCA的红外点目标检测方法”，该技术基于主成分分析方法来检测红外小目标，具体原 理为首先用改进的高斯灰度模型产生红外点目标的训练样本，通过对这些样本进行PCA 训练，产生一组主分量，然后从待检测红外图像中截取子图像，并将其分别投影到各主分量 上，用得到的投影系数和主分量对该子图像进行重构，并计算重构误差，最后将重构误差代 入检测函数，产生检测图像，对检测图像进行阈值操作得到目标位置。该方法虽然将目标检 测问题转化为模式分类问题，但在对目标模型的学习过程中没有考虑噪声的干扰，使得该 方法对复杂背景的适应能力很弱，且检测过程十分复杂，实用性不强。
发明内容
本发明针对现有技术存在的上述不足，提供一种自适应红外小目标检测方法，首先通过K-SVD (奇异值分解)方法来离线训练红外小目标的超完备字典，接着采用正交匹配 追踪方法来求解子图像块在超完备字典中的稀疏表示系数，最后直接将表示系数代入指示 函数(Indicator Function, IF)，通过IF的值来判别该子图像块含有目标与否。本发明是通过以下技术方案实现的，本发明首先用训练样本K-SVD方法训练红外 小目标超完备字典，然后按照从上到下，从左到右的顺序从测试图像中提取出于训练样本 具 有相同尺寸的子图像，并将子图像展开为列向量后利用正交匹配方法计算该列向量在红 外小目标超完备字典中的稀疏表示系数，最后将稀疏表示系数组合为指示函数并进行阈值 化判断，得到目标的精确位置。所述的K-SVD方法训练红外小目标超完备字典，包括以下步骤1)训练样本集Y和红外小目标超完备字典D的初始化，训练样本Y为截取的含有 小目标的子图像的集合；红外小目标超完备字典D的初始化用部分离散余弦变换的基函数 来对红外小目标超完备字典D进行初始化。2)固定红外小目标超完备字典D，利用正交匹配追踪方法求解训练样本集Y在字 典D中的稀疏表示系数X，其中，样本yi的稀疏表示系数Xi通过求解如下最小化问题来得 到
权利要求
一种自适应红外小目标检测方法，其特征在于，首先用训练样本K SVD方法训练红外小目标超完备字典，然后按照从上到下，从左到右的顺序从测试图像中提取出于训练样本具有相同尺寸的子图像，并将子图像展开为列向量后利用正交匹配方法计算该列向量在红外小目标超完备字典中的稀疏表示系数，最后将稀疏表示系数组合为指示函数并进行阈值化判断，得到目标的精确位置。
2.根据权利要求1所述的自适应红外小目标检测方法，其特征是，所述的K-SVD方法训 练红外小目标超完备字典，包括以下步骤1)训练样本集Y和红外小目标超完备字典D的初始化，训练样本Y为截取的含有小目 标的子图像的集合；红外小目标超完备字典D的初始化用部分离散余弦变换的基函数来对 红外小目标超完备字典D进行初始化；2)固定红外小目标超完备字典D，利用正交匹配追踪方法求解训练样本集Y在字典D 中的稀疏表示系数X，其中，样本Yi的稀疏表示系数Xi通过求解如下最小化问题来得到i = l，2，...，N，nJi{|y,,DXH s.t. |χ;|0<Γ0.3)利用K-SVD方法更新红外小目标超完备字典D，同时更新与之关联的表示系数X，字 典D的更新由K次SVD分解组成，对每个原子dk，均执行:ERk = UAVr,然后用U的第一列作 为新的原子Λ，用△ (1，1)与V的第一列的乘积作为么对应的表示系数；4)重复步骤2)和步骤3)，直到足给定的停止准则，最终得到训练好的红 外小目标超完备字典D，其中D e Rnxk表示红外小目标超完备字典，y e Rn表示训练样本， χ e Rk表示训练样本在红外小目标超完备字典D中的稀疏表示系数，Γ =丨3^；^为N个训练 样本的集合，χ =^kt1为训练样本集Υ对应的稀疏表示系数的集合。
3.根据权利要求1所述的自适应红外小目标检测方法，其特征是，所述的稀疏表示系 数是指min| I α | |0 s. t. | | α-χ |2彡ε，其中x e铲是子图像的向量表示，D e RnXK是 训练得到的超完备字典，α e Rk是子图像χ在超完备字典中的表示系数，ε为噪声的均方 差。
4.根据权利要求1所述的自适应红外小目标检测方法，其特征是，所述的指示函数是 指.正00^-exp{-a(x-b)}- G
,S中.χ为子图像在字血D中的稀疏表示系数，参数a，b，c，d为预先设定的固定值，四个参数共同确定指示函数IF的形状， IF值指示了该子图像含有目标与否的概率，IF越大，子图像含有目标的概率越大。
5.根据权利要求1所述的自适应红外小目标检测方法，其特征是，所述的阈值化判断 是指设定阈值τ，当IF值大于阈值IF(X)彡τ时，判断该子图像内含有小目标，根据子 图像在测试图像中的位置得到目标的精确位置。
全文摘要
一种模式识别技术领域的自适应红外小目标检测方法，首先用训练样本K-SVD方法训练红外小目标超完备字典，然后按照从上到下，从左到右的顺序从测试图像中提取出于训练样本具有相同尺寸的子图像，并将子图像展开为列向量后利用正交匹配方法计算该列向量在红外小目标超完备字典中的稀疏表示系数，最后将稀疏表示系数组合为指示函数并进行阈值化判断，得到目标的精确位置。本发明相比于其他方法能够更好的抑制背景杂波和噪声，突出目标，得到更高的检测率。
文档编号G06K9/66GK101957993SQ20101050140
公开日2011年1月26日 申请日期2010年10月11日 优先权日2010年10月11日
发明者唐峥远, 杨杰, 赵佳佳 申请人:上海交通大学