CN119418042A 一种基于超图的红外弱小目标检测方法及装置 （浙江越达图谱科技有限公司）

一种基于超图的红外弱小目标检测方法及本发明公开了一种基于超图的红外弱小目检测结果张量7）将得到目标检测结果张量转2步骤4将待检测热红外图像序列的每一帧图像构造为图像块张量作为图节点，并利步骤5结合基于Laplace的张量核范数和超图拉普拉斯正则化项，建立基于超图的时步骤7将得到目标检测结果张量转化为目标检测结果序列T，作为红外弱小目标检测,D的尺寸大小为1x1zx13，nu表示D的宽度，nz表示D的高度，ng表用待检测热红外图像序列的图像帧Di，通过固定尺寸的滑动窗口在Di上以S形路径3条超边，且每一条超边有个节点，表示为的权重dt,tz定义如下：的节点的第r张正面切片，表示第tz张图像帧Da所对应的节点的vz和的度；超边度矩阵De是一个尺寸为mxm的对角矩阵，4超图拉普拉斯矩阵用于构造超图拉普拉斯正则化项：近似lo范数；结合基于Laplace的张量核范数和超图拉普拉斯正则化项所建立基于超图的M,MZ,M3为拉格朗日乘子；5t表示迭代次数u和v均为酉矩阵，E表示奇异值矩其中，gct1)=reshape(G+1),[n,n2,n3])表示分1xzx13的张量和张量；u*1)=min(YUI),unsw)（25）6将最终将获得的目标张量重构为红外目标检测结果图，得到小目标检测结果图序列9.一种实施权利要求1_8任一项所述方法的基于超图的红外弱小目标检测装置，其特低秩稀疏分解模型建立模块，用于建立三维时空张量所对应的低秩稀疏张量分解模基于超图的时空张量分解模型建立模块，用于建立基于超图正则模型优化求解模块，用于利用基于ADMM的优化算法求解基于超图7场景中难以实时应用。基于成分分析的方法通过分解图像中的各个成分以分离目标和背8[0008]步骤1将待检测热红外图像序列按照时间维依次堆叠，构造为一个三维时空张[0011]步骤4将待检测热红外图像序列的每一帧图像构造为图像块张量作为图节点，[0015]本发明还公开了一种实施所述方法的基于时空背景重构的红外弱小目标检测装9[0032]图6为热红外图像序列的示例帧经过本发明提出的方法所得到的热红外弱小目标[0033]图7为一热红外图像示例帧的原始图像及其经过本发明方法，MDWC维方向堆叠构造为一个三维空时张量，D的尺寸大小为n1xnzxn3，nu表待检测热红外图像序列的图像帧Di，通过固定尺寸的滑动窗口在Di上以S形路径滑帧Di对应的图节点vi；由此得到原始热红外图像序列对应的节点集；的权重dt,tz定义如下：对应的节点的第r张正面切片，v,w=D⃞(:,:,r)表示第tz张图像帧所对应的节点H的超图拉普拉斯矩阵L定义为[0067]其中，tr()表示矩阵的迹计算，B表示背景张量展开后得到的背景矩阵;B=unfolding(B,[nnz,n3])，表示将背景张量展开后得到的背景矩阵B，背景矩阵B的高[0070]具体的，引入稀疏度重加权张量W=1.(ITI+S)-1，表示正常数，防止分母为M,MZ,M3为拉格朗日乘子；t表示迭代次数u和v均为酉矩阵，e表示奇异[0088]其中，gct1)=reshape(G+1),[n,n2,n3])1xzx13的张量和张量；[0096]拉格朗日乘子M,MZ,M3的迭代公式为：IID-B-T-N⃞/IIDIf小于所设定[0105]具体到实施例中μmax=10[0108]图2为根据一示例性实施例示出的一种基于超图的红外弱小目标检测装置的框con-AucenE[-1,1][0138]为更加客观地验证本发明方法的有效性，选取7个热红外弱小目标检测方法与本[0139]MDWCM出自LuR,YangX,LiW,etal.Robustinfraredsmalltargetdetectionviamultidirectionalderivative_basedweightedcontrastmeasure[J].IEEEGeoscienceandRemoteSensingLetters,2020,19:1_5.[0140]MSLSTIPT出自SunY,YangJ,AnW.Infrareddimandsmalltargetdetectionviamultiplesubspacelearningandspatial_temporalpatch_tensormodel[J].IEEETransactionsonGeoscienceandRemoteSensing,2020,59(5):3737_3752.[0141]TWTVR出自ZhaoE,DongL,LiC,etal.Infraredmaritimetargetdetectionbasedontemporalweightandtotalvariationregularizationunderstrongwaveinterferences[J].IEEETransactionsonGeoscienceandRemoteSensing,2024.[0142]STT_TRNR出自Yi,Haiyang,etal."Spatial_TemporalTensorRingNormRegularizationforInfraredSmallTargetDetection."IEEEGeoscienceand[0143]FGLR_MCP出自LiuT,LiuY,YangJ,etal.GraphLaplacianregularizationforfastinfraredsmalltargetdetection[J].PatternRecognition,2025,158:111077.[0144]AGPCNet出自ZhangT,CaoS,PuT,etal.AGPCNet:Attention_guidedpyramidcontextnetworksforinfraredsmalltargetdetection.arXiv2021[J].arXivpreprintarXiv:2111.03580.[0145]RPCANet出自WuF,ZhangT,LiL,etal.RPCANet:DeepUnfoldingRPCABasedInfraredSmallTargetDetection[C]//ProceedingsoftheIEEE/CVFWinterConferenceonApplicationsofComputerV