1.一种基于矩阵恢复的红外小目标检测方法,其特征在于:包括以下步骤:步骤S1、获取真实红外图像;
步骤S2、建立红外小目标检测模型;
步骤S3、优化求解红外背景子问题;
步骤S4、优化求解红外目标子问题;
步骤S5、优化求解红外噪声子问题;
步骤S6、引入其余参数的优化求解问题;
m×n m×n m
设待处理的真实红外图像为D∈R ,红外背景图像为B∈R ,红外目标图像为T∈R×n m×n,噪声图像为N∈R ,其中m×n为真实红外图像矩阵大小;
其中,所述步骤S2实现方法为:S21、建立红外小目标检测优化模型,如下所示:T
其中,||B||r=||B||*‑tr(XBY)代表矩阵B的截断范数,||B||*代表矩阵B的核范数,r代T T表矩阵B的秩, 代表目标矩阵T的lq范数,并且XX =I,YY =I,λ1和λ2为系数;
S22、引入变量M=B,模型改写为:s.t.D=B+T+N M=B;
S23、应用交替方向乘子算法求解模型,如下所示:其中,a和b为拉格朗日系数,R和Q为惩罚系数,||·||F是Frobenius范数。
2.根据权利要求 1所述的一种基于矩阵恢复的红外小目标检测方法,其特征在于:所述步骤S3中优化求解红外背景图像B的方法为:S31、令T和N为固定常量,求解子模型:T T
其中:SVD(Bk)=[U,Σ,V],X=(u1,u2,…,ur) ,Y=(v1,v2,…,vr)S32、Bk+1更新:
3.根据权利要求1所述的一种基于矩阵恢复的红外小目标检测方法,其特征在于:所述步骤S4中优化求解红外目标图像T的方法为:S41、令B和N为固定常量,求解子模型:S42、带入lq范数得:S43、则Tk+1更新:其中,
4.根据权利要求1所述的一种基于矩阵恢复的红外小目标检测方法,其特征在于:所述步骤S5中优化求解红外噪声子问题N的方法为:S51、令T和B为固定常量,求解子模型:S52、Nk+1更新:
其中,τ为控制因子。
5.根据权利要求1所述的一种基于矩阵恢复的红外小目标检测方法,其特征在于:所述步骤S6中引入其余参数的优化求解方法为:S61、引入参数M,优化求解:令B、T、N为固定常量,求解子模型:Mk+1的更新:
其中,
S62、引入参数R,优化求解:Rk+1的更新:
Rk+1=Rk‑τa(Bk+Tk+Nk‑D)其中,τ为控制因子;
S63:引入参数Q,优化求解:Qk+1的更新:
Qk+1=Qk‑τb(Bk‑Mk)其中,τ为控制因子;
S64:引入参数a的优化求解:其中,τ为控制因子, δ是矩阵D的第五个奇异值,所述奇异值从大到小排列;
S65:引入参数b的优化求解;
其中,τ为控制因子, δ是矩阵D的第五个奇异值,所述奇异值从大到小排列。