基于奇异值分解重构的红外小目标预处理方法技术

本发明专利技术公开了一种基于奇异值分解重构增强红外小目标预处理方法，包括以下步骤：对输入的图像进行ＳＶＤ分解得到图像奇异值；对图像的奇异值曲线进行分析估计获取奇异值预测曲线，将获取的奇异值预测曲线和原始奇异值曲线进行求差，得到差分奇异值曲线，并对奇异值差分曲线进行归一化处理获得奇异值差分百分率曲线；基于奇异值差分百分率曲线对ＳＶＤ分解后的图像进行重构，得到增强后的红外小目标图像。本发明专利技术能够很好的提高图像的信噪比，抑制背景杂波，其效果优于目前其它方法。

【技术实现步骤摘要】

本专利技术涉及的是一种图像处理
的方法，具体涉及一种复杂背景中红外小 目标的预处理方法。它针对远距离监测下红外小目标的信噪比低和背景杂乱等情况来提高 图像的信噪比，抑制背景杂波。
技术介绍
在高新技术兵器迅速发展的当今世界，基于红外探测的各类武器系统已成为世界 各国重点研究和发展的项目之一。红外成像目标检测与跟踪技术一直是红外成像系统中的 技术难点和亟待解决的问题。因此，提高目标的检测能力尽早获取来袭目标的相关信息对 于提高武器系统的性能具有重要的意义。在红外小目标检测中DBT(Detectic)n before Track)检测算法以其计算量少，实 时性好等特点在实际环境中得到了广泛的应用，所以通常认为这是一种很好的目标检测算 法。但是由于一般的目标提取算法只有在信噪比很高的情况下才能取得较好的性能，对于 低信噪比图像并不稳定，而这就可能会直接影响到后续处理，所以前端稳健的预处理算法 对于DBT检测算法来说非常重要。目前红外小目标的预处理方法大致可以分为空域滤波和 频域滤波预处理，但是每种方法的适应性不强，只能对某种情况背景下的红外小目标图像 获得较好的效果。本专利技术就是针对当前缺乏一种能够在同一框架下很好的处理不同背景下 红外小目标图像的现状，提出了一种基于SVD(singular value decomposition)分解重构 的红外小目标预处理方法，通过预处理来稳定地提高图像的信噪比，以便后续的处理中能 够实现对目标的准确检测。
技术实现思路
本专利技术的目的在于解决当前缺乏一种能够在同一框架下很好的处理不同背景下 红外小目标图像的状况，提供一种能够稳定的提高图像信噪比的预处理方法，实现对红外 背景中的红外小目标的DBT检测。本专利技术是采取以下的技术方案来实现的一种，其特征在于包括以下步骤(1)对图像进行SVD分解，获得图像的奇异值，用于奇异值曲线的预测；(2)根据现有的奇异值进行奇异值曲线预测，拟合出一条新的奇异值曲线；(3)对原始奇异值曲线和预测奇异值曲线进行求差，获得奇异值差分曲线，并对奇 异值差分曲线进行归一化得到奇异值差分百分率曲线；(4)分析获取的奇异值差分百分率曲线，对于有效奇异值曲线部分选择差分百分 率在50%以上的部分对图像进行重构(差分百分率变化小的地方可以认为是噪声干扰)， 得到增强后的红外小目标图像。前述的，其特征在于在上述步骤 (1)中，首先把输入的图片变成灰度图片，然后对该灰度图片的灰度值进行归一化处理，将处理后的灰度矩阵进行SVD分解，获得矩阵的奇异值。前述的，其特征在于所述的奇异 值分解具体方法为设图像矩阵A是mXn的实矩阵，且A的秩为r，其中r≤min (m, η)，则 存在m阶正交矩阵U和η阶正交矩阵V使得= υ_Σ_《η ,式中Σ为mXη奇异值矩阵， 其一般形式为<formula>formula see original document page 4</formula>式中，Arxr = CliagU1,入2，…，入山其中λ U1S λ2≤…≤Xr >0)是实 矩阵A的非零奇异值，将非零奇异值以1 r为横坐标，奇异值大小为纵坐标并将奇异值点 连接成一条曲线f(x)，其中X = 1，2，···，！·。(L是什么意思？)前述的，其特征在于在上述步骤(2)中，根据步骤(1)计算得到的奇异值，通过曲线拟合算法迭代拟合出一条预测的奇异值 曲线 f' (X)，其中 χ = 1,2, ...，r。前述的，其特征在于在上述步骤(3)中，将步骤⑴和步骤(2)获得的曲线相减并除以步骤⑴中对应点的奇异值，得到奇 异值差分百分率曲线d(x)，表示为d(x) = |f(x)-f' (χ) |/f(x)，其中 χ = 1，2，…r (5)前述的，其特征在于在上述步骤(4)中，所述的奇异值重构具体方法为图像矩阵表示成<formula>formula see original document page 4</formula>，其中UiViT为对应于第i个奇异值Xi的左右奇异矢量的内积，称之为基底，其具有原始矩阵相同的规模，且秩为，原始矩阵可以理解为r个基底的线性加权和，对矩阵进行奇异值选择重构是指<formula>formula see original document page 4</formula>所述A'为重构的矩阵，从原有矩阵中选取原有矩阵中的k(k ^ r)个成分进行二 维图像重构，式(3)即为复杂背景中红外小目标的预处理方法中红外小目标图像重构的一 般形式。本专利技术的技术效果如下1.实现了红外小目标图像的预处理。2.实现了不同背景下红外小目标采用同一种方法进行预处理。本专利技术是一种图像处理
的方法，具体涉及一种复杂背景中红外小目标的 预处理方法。它针对远距离监测下红外小目标的信噪比低和背景杂乱等情况来，采用基于 奇异值分解重构的红外小目标预处理方法提高图像的信噪比，抑制背景杂波。附图说明图1为红外小目标SVD处理流程图；图2为原始红外图像的奇异值曲线分析图3a为所有奇异值点的原始奇异值曲线和奇异值预测曲线图；图3b为3a的局部放大；图4为奇异值差分曲线和差分百分率曲线分析图。 具体实施例方式下面结合具体实施方式对本专利技术做进一步的详细说明。一种，其特征在于包括以下步 骤1)将获取的红外小目标图像转换成灰度图像，并进行归一化处理，然后对图像进 行SVD分解，获得图像的奇异值，用于奇异值曲线的预测；2)将步骤1)中得到的奇异值点进行连接，并根据现有的奇异值点进行奇异值曲 线预测，拟合出一条新的奇异值曲线；3)对原始奇异值曲线和预测奇异值曲线进行求差，获得奇异值差分曲线，并对奇 异值差分曲线进行归一化处理得到奇异值差分百分率曲线；4)分析获取的奇异值差分百分率曲线，对于有效奇异值曲线部分选择差分百分率 在50%以上的部分对图像进行重构(差分百分率变化小的地方可以认为是噪声干扰)，得 到增强后的红外小目标图像。前述步骤1中的奇异值分解是指设图像矩阵A是mXn的实矩阵，且A的秩为r，其 中r < min (m, η)，则存在m阶正交矩阵U和η阶正交矩阵V使得Amxn=UmxmZmxnVnTxn(7)称式(7)为A的奇异值分解。Umxm = T，i = 1，2，…m 构成；Vnxn= 由 η 阶列向量 Vi= T，i = l，2，"·η构成，分别称为左、右奇异矢量矩阵。Σ为mXn奇异值矩阵，其一般形 式为▽ "Arxr 0"Σ= or 0(8)式中，Arxr= CliagU1,入2，…，人山其中 XU1S λ2Xr > 0)是实 矩阵A的非零奇异值，本专利技术将非零奇异值以1 r为横坐标，奇异值大小为纵坐标并将奇 异值点连接成一条曲线f(x)，其中χ = 1，2，···，！·。前述步骤2中根据当前的奇异值进行曲线拟合出奇异值预测曲线f ‘ (X)，其中χ1 ？ 2 jΓ ο前述步骤3中的奇异值差分百分率曲线d(x)是根据奇异值预测曲线和原始奇异 值曲线求差所得，表示为d(x) = |f(x)-f' (χ) |/f(x)，其中 χ = 1，2，…r (9)前述步骤4根据步骤(3)获得的差分百本文档来自技高网...

【技术保护点】
一种基于奇异值分解重构的红外小目标预处理方法，其特征在于包括以下步骤：（１）对图像进行ＳＶＤ分解，获得图像的奇异值，用于奇异值曲线的预测；（２）根据现有的奇异值进行奇异值曲线预测，拟合出一条新的奇异值曲线；（３）对原始奇异值曲线和预测奇异值曲线进行求差，获得奇异值差分曲线，并对奇异值差分曲线进行归一化得到奇异值差分百分率曲线；（４）分析获取的奇异值差分百分率曲线，对于有效奇异值曲线部分选择差分百分率在５０％以上的部分对图像进行重构，得到增强后的红外小目标图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：姚杰，徐贵力，吕东岳，吴昆明，张勇，董书莉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：84[中国|南京]