(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111638196.3 (22)申请日 2021.12.2 9 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 倪浩鹏　朱虎　邓丽珍　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 代理人 董建林 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06K 9/62(2022.01) G06F 17/16(2006.01) G06V 10/74(2022.01)G06V 10/774(2022.01) (54)发明名称 一种基于空间感知的非局部低秩红外小目 标检测方法 (57)摘要 本发明公开了一种基于空间感知的非局部 低秩红外小目标检测方法， 旨在解决现有技术中 红外小目标检测过程中可辨别性的问题。 其包 括： 建立非局部低秩检测模型， 并获取多幅连续 采集的待检测红外图像； 根据待检测红外图像为 非局部低秩检测模型设置参数权重； 对每一幅待 检测红外图像进行去噪、 图像分割和相似块分 类， 得到分类后的红外补丁块； 根据分类后的红 外补丁块， 利用非局部低秩检测模 型计算目标图 像并进行迭代优化， 得到最优目标图像。 本发明 方法能够更好的概括非局部空间稀 疏限制， 避免 低秩矩阵的偏离近似值， 能够更好的恢复出目标 结构更加明确、 纹理更加清晰的干净红外目标图 像。 权利要求书2页 说明书7页 附图5页 CN 114418967 A 2022.04.29 CN 114418967 A 1.一种基于空间感知的非局部低秩红外小目标检测方法， 其特 征在于， 包括如下步骤： 获取多幅连续采集的待检测红外图像； 根据待检测红外图像为预 先构建的非局部低秩 检测模型设置参数权 重； 对每一幅待检测 红外图像进行去噪、 图像分割和相似块分类， 得到分类后的红外补丁 块； 根据分类后的红外补丁块， 利用非局部低秩检测模型计算目标图像并进行迭代优化， 得到最优目标图像。 2.根据权利要求1所述的一种基于空间感知的非局部低秩红外小目标检测方法， 其特 征在于， 非局部低秩 检测模型的构建方法如下： 通过共生矩阵结合红外图像中背景相似的补丁块， 对相似补丁块进行拼接后采用拉格 朗日算法计算红外图像的低秩矩阵； 通过熵驱动的显著性滤波得到针对红外图像中目标图像的稀疏约束； 利用低秩矩阵、 稀疏约束结合红外图像的组成， 得到非局部低秩 检测模型。 3.根据权利要求2所述的一种基于空间感知的非局部低秩红外小目标检测方法， 其特 征在于， 红外图像的低秩矩阵的表达式如下： 其中， Lk表示第k幅红外图像的低秩矩阵， Xk表示红外图像中相似补丁块拼接而成的矩 阵， 表示F‑范数的平方， λ为正则化权重， L(Lk, μ )表示拉格朗日算子， μ为预设的超参， k＝1,2,…,K， K表示输入 模型的红外图像总数。 4.根据权利要求2所述的一种基于空间感知的非局部低秩红外小目标检测方法， 其特 征在于， 针对红外图像中目标图像的稀疏约束操作为||fT⊙log fT||1， 其中， fT表示红外图 像中的目标图像， ⊙表示两个矩阵的点乘操作。 5.根据权利要求3或4所述的一种基于空间感知的非局部低秩红外小目标检测方法， 其 特征在于， 非局部低秩 检测模型的表达式如下： 其中， fD表示红外图像， fB表示红外图像 中的背景图像， η、 α、 β 为自定义的参数权重， 表示通过背景图像重构出拼接矩阵的对应矩阵， ||*||1表示1‑范数。 6.根据权利要求1所述的一种基于空间感知的非局部低秩红外小目标检测方法， 其特 征在于， 根据分类后的红外补丁块， 利用非局部低秩检测模型计算待检测红外图像的低秩 矩阵、 背景图像和目标图像， 将低秩矩阵、 背景图像和目标图像作为模型输出进行迭代优 化， 在每一次迭代过程中， 根据上一次迭代的模型输出更新下一次迭代的模型输出， 直到满 足最大迭代次数， 输出最大迭代中非局部低秩检测模型计算的目标图像， 作为最优目标图 像。权　利　要　求　书 1/2 页 2 CN 114418967 A 27.根据权利要求6所述的一种基于空间感知的非局部低秩红外小目标检测方法， 其特 征在于， 在每一次迭代过程中， 根据上一次迭代的模型输出更新下一次迭代的模型输出 的 方法为： 获取第q次迭代计算的低秩矩阵 背景图像 和目标图像 根据非局部低秩检测模型中低秩矩阵的表达式， 利用低秩矩阵 和背景图像 更新 低秩矩阵， 得到当前迭代中待检测红外图像的低秩矩阵： 其中， 表示第q+1次迭代过程中第k幅待检测红外图像的低秩矩阵， Lk表示低秩矩 阵， η为自定义的参数权 重， 表示通过背景图像重构出拼接矩阵的对应矩阵， λ为正则化权 重， L(Lk, μ )表示拉格朗日算子， μ为预设的超参， k ＝1,2,…,K， K表示待检测红外图像总数； 将 带入非局部低秩检测模型中， 与背景图像 和目标图像 一起更新背景图像， 得到当前迭代中待检测红外图像的背景图像： 其中， 表示第q+1次迭代过程输 出的背景图像， fB表示背景图像， β 为自定义的参数 权重， fD表示待检测红外图像； 将 和 带入非局部低秩检测模型中， 与目标图像 一起更新目标图像， 得到当 前迭代中待检测红外图像的目标图像： 其中， 表示第q+1次迭代过程输出的目标图像， fT表示目标图像， α 为自定义的参数 权重。权　利　要　求　书 2/2 页 3 CN 114418967 A 3