基于联合低秩与群稀疏约束的视频SAR动目标阴影检测方法
摘要文本
本发明公开了一种基于联合低秩与群稀疏约束的视频SAR动目标阴影检测方法，其实现步骤为：在构建视频SAR序列扭转张量的基础上，建立l2, 1范数与小波字典正则化约束下的联合低秩与群稀疏约束模型；利用非负性主成分追踪(Non‑negative Principle Component Pursuit)算法求解联合低秩与群稀疏约束；对算法迭代结果进行形态学处理得到最终的检测结果。本发明解决了现有技术中目标检测过程复杂繁琐，检测结果准确率低和检测速度慢的问题。充分利用了视频SAR图像帧间关联度，提高了SAR视频中机动车辆目标的检测准确率，并且提高了目标检测的效率。
申请人信息
- 申请人:西安电子科技大学
- 申请人地址:710071 陕西省西安市雁塔区太白南路2号
- 发明人: 西安电子科技大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于联合低秩与群稀疏约束的视频SAR动目标阴影检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311714647.6 |
| 申请日 | 2023/12/13 |
| 公告号 | CN117710854A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06V20/40 |
| 权利人 | 西安电子科技大学 |
| 发明人 | 姜明; 陶森; 王泽时; 丁金闪 |
| 地址 | 陕西省西安市雁塔区太白南路2号 |
专利主权项内容
1.一种基于联合低秩与群稀疏约束的视频SAR动目标阴影检测方法，其特征在于，构建视频SAR序列扭转张量，建立l范数与小波字典正则化约束下的联合低秩与群稀疏约束模型，利用非负性主成分追踪算法求解联合低秩与群稀疏约束模型；该检测方法的骤包括如下：2, 1步骤1，构建取反后视频SAR图像序列的扭转张量；步骤2，构建视频SAR动目标阴影检测的联合低秩与群稀疏约束模型；步骤3，利用非负性主成分追踪算法求解联合低秩与群稀疏约束模型：步骤3.1，初始化非负性主成分追踪算法的参数；步骤3.2，利用视频SAR图像序列的扭转张量、视频SAR低秩背景的扭转张量，更新视频SAR动目标的扭转张量；步骤3.3，利用视频SAR动目标的扭转张量，应用梯度下降法和前向-后向拆分算法推导、计算梯度拆分变量；步骤3.4，利用梯度拆分变量，更新稀疏中间变量的扭转张量；步骤3.5，利用梯度拆分变量，更新低秩中间变量的扭转张量；步骤3.6，利用稀疏中间变量的扭转张量、低秩中间变量的扭转张量，更新低秩背景的扭转张量；步骤3.7，判断E≥δ是否成立，若是，则执行步骤3.2，否则，执行步骤4；其中，E表示视频SAR低秩背景的扭转张量L的相对变化量，δ表示根据算法收敛程度设置的停止迭代的相对变化限；步骤4，将视频SAR动目标的扭转张量中的每一列取反后重构成一个二维图像矩阵，将二维图像矩阵顺序排列成视频SAR动目标图像序列；步骤5，利用连通域检测算法去除视频SAR动目标图像序列每帧图像中的噪声、纹理干扰，得到最终检测到的动目标结果。