申请/专利权人：西安电子科技大学

申请日：2023-12-13

公开（公告）日：2024-06-28

公开（公告）号：CN117710854B

主分类号：G06V20/40

分类号：G06V20/40;G06V20/58;G06V20/13;G06V10/772;G06V10/52;G06V10/30

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：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‑negativePrincipleComponentPursuit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。

主权项：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：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。

全文数据：

权利要求：

百度查询： 西安电子科技大学 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD