基于FPGA的紅外視頻圖像目標恒虛警檢測實現

溫慶福，唐普英，趙學功

(電子科技大學光電信息學院，四川成都 610054)

恒虛警檢測(Constant False Alarm Rate，CFAR)是雷達信號處理的一種經典方法。世界各國的專家學者，一直在這方面進行不斷的研究和探索，取得了很好的檢測效果。恒虛警的精髓就是經典的固定門限檢測。即設定相應的檢測閾值，該閾值可以有效地避免雜波、接收器熱噪聲、背景噪聲和干擾變換的影響，從而有效地將感興趣的目標區分出來。目前常見的恒虛警檢測器可分為4類:均值類CFAR檢測器、有序統計類CFAR檢測器、采用自動篩選技術的GOS類CFAR檢測器、自適應CFAR檢測器［1］。無論是一維還是二維CFAR處理問題，都有大量學者進行了詳細的研究，并取得很好的實際效果。

現場可編程門陣列(FPGA)，具有結構靈活、實時性強、功能完善的特點，能為設計者提供最大的設計靈活性;所需外圍器件少，適合模塊化設計，開發周期短，可擦除復用的一系列優點［2］。本文采用恒虛警這一經典的方法，結合現場可編程門陣列(FPGA)技術，對紅外電視圖像進行處理研究。充分利用恒虛警這一經典有效的檢測方法和現場可編程門陣列在理論和操作上的優點，進行紅外視頻目標的檢測。從而實現高速、實時性與有效實現目標檢測的統一。系統采用自行設計的專用電路，區別于計算機系統，實現小型專一化。采用外置可調諧式閾值設置，可極大地減小環境變化對檢測的影響，增強對不同環境中目標檢測的效果。

1 紅外自適應恒虛警檢測

1.1 紅外目標特性

一般情況下，目標后的背景熱輻射對應光譜輻射空間分布的輻射值的變化是連續的。而對應所要的紅外目標人或者飛機等高于環境溫度的目標，將被感知為一個灰度值高于此時周圍背景的值。所獲取的紅外視頻圖像可以近似為以下模型［3］，即

式中:f(x，y)表示所獲得的紅外圖像;T(x，y)表示目標圖像;B(x，y)表示背景圖像;N(x，y)表示獲取圖像時引入的噪聲圖像，本文中視其為高斯白噪聲［4］。由概率統計密度函數可描述為

式中:δ為噪聲電壓;u為標準偏差。在設定一定的門限閾值時，可以計算出相應的虛警概率為

1.2 自適應恒虛警檢測

紅外圖像反映的是場景溫度特性有關的熱輻射，它的清晰度不高、對比度差，尤其是野外背景。人、車、船等特定目標溫度高于環境，它們的紅外圖像的灰度就可能略高于背景，盡管是忽隱忽現，呈隨機特性的高斯分布。采用恒虛警檢測就是針對這種背景幾乎被噪聲淹沒、被白化的弱信號情況下，具有一定的魯棒性的恒定檢測發現目標的概率。單幀局部自適應恒虛警檢測算法步驟是，首先自適應求取估計檢測閾值Th，然后將待檢測點YM(假設目標像素集合)與自適應閾值Th比較，按式(4)判斷是否是真正目標點F(p)。

所謂局部相對于單幀圖像來說是一個n×n窗口，這個窗口中的像素構成一個集合(在小范圍內，對于背景視同一個準平穩的隨機分布)用來估算檢測閾值Th，窗口正中的2×2像素(可能是一個沖激響應)構成一個子集用來測算YM值。這個窗口無縫有序地滑動，實現對整幀畫面中所有可能的點目標的檢測。在檢測過程中的關鍵核心問題是自適應門限Th的估計。

對于n×n窗口局域，它的閾值估計公式為

式中:a，b，c為經驗常數，在不同的實驗背景中，它的取值不盡相同，因此在不同環境的試驗中，調整為相適應的值;μ為背景溫度(熱輻射)均值;σ為背景溫度(熱輻射)標準差，表達式為

式中:f(x，y)是紅外攝像機采集的原始圖像信號(2×2代表垂直和水平坐標)，按電視掃描格式采集順序實時輸入。

例如取n=8，即8×8的卷積模板為例，如圖1所示。模板中t是目標可能位置，模板正中2×2共4個像素點就是擬定被檢測小目標的YM子集，求YM值最簡單的方法是取該4個點的均值，最好的方法是用數學形態學對YM子集進行腐蝕和膨脹算法以及開運算和閉運算之后再取加權均值，以去偽存真。在YM周圍留有一圈“隔離帶”，圖1卷積模板中的g，它可能是背景，也可能是目標對象，它在兩者之間起緩沖作用。本案制定的這個特殊模板非常有助于提高可靠性，減少虛警概率。模板中其余的部分x表示運算區域。因為有“隔離帶”后，上述的相應求期望和方差的公式也需做相應的修正，只累加運算最外兩圈的像素。

為了剔除虛假背景信息，在按式(6)和式(7)對圖1進行運算時，當像素點的值f(x，y)≥Th時，不參與運算。Th是先前歷史(例如相鄰的上方和左方模板)卷積運算Th值記錄的均值。理論證明，這一補充算法，對提高魯棒性非常重要。

圖1 卷積模板

2 電路實現

實現該電路的硬件結構圖如圖2所示。

圖2 硬件結構

要實現該電路，最重要的是讓該模板在FPGA中實現類似滑窗的電路。因此采集的紅外視頻信號首先將其轉化為ITU－R BT.656信號［5］，由于該信號的灰度值Y和色差信號C沒有分離，不方便處理，將其轉為ITU－R BT.601［6］，在此模式下同時運用分離出的行場信號進行處理。調用 Xilinx中現成的IPcore依次延時1，2，…，n－1行;再加當前數據行，及實現n行數據對齊。運用Verilog中reg［7:0］，mem［n－1:0］實現同時操作一行中n個數據。這樣即可形成N×N的模板運算。仿真結果如圖3所示，其中mem0是當前輸入數據，mem1，…，mem7是依次延時1行到7個行時鐘且對齊后的數據。

圖3 電路仿真時序(截圖)

對于自動閾值的設定，關鍵需要計算出均值和標準差。均值的求取可以在FPGA中用除法電路實現，在設計中也可以運用移位電路相加的模式;對方差的求取，可采取查找表的方法實現。同時注意運算的時序對齊問題。在運算中將相應的像素灰度值YM與閾值比較，并進行二值化處理。就可得到只顯示檢測目標的二值化圖像。仿真時序結果如圖3所示，檢測到目標則fp_detect為1，如圖3最下方一行，3處目標被檢測到并二值化為1。

閾值的公式設計為外置可調式，可適用于不同背景的目標檢測。通過外置設備調整a，b，c的值，從而改變Th的大小。

3 實驗結果與分析

運用上述電路算法對采集的紅外圖像檢測結果如圖4、圖5和圖6所示。其中圖4a、圖5a分別為兩個同背景下的紅外原始視頻圖像。圖4b與圖5b都為效果較好二值圖像，圖4c與5c都為效果較差二值圖像，它們分別是場景一與場景二處理后的圖像，都是通過調整閾值，采用自適應恒虛警檢測后的得到二值化圖像。

圖4 場景一實驗效果圖

圖5 場景二實驗效果圖

圖6 不同場景載入背景顯示圖

圖4b、圖4c閾值選取時，閾值式(5)中a，b，c分別為1，0.25，2;1，0.125，1;1，0.5，3;1，0.25，1。對不同背景圖像，圖4a和圖5a的信噪比不一樣，檢測時閾值的設定也不一樣。在同一背景下，圖4c的閾值小于圖4b的閾值，虛檢點較多。同樣地，圖5c的閾值設置過小，造成過多的虛檢。圖4b和圖5b的閾值設計比較合理，既能有效檢出目標，同時虛檢點最少。閾值設置也不是越大越好，越大會造成目標的漏檢。

通常為了能準確確定目標的方位，可以采用裝入預先采集的背景圖顯示，如圖6所示，這樣的顯示，尤其是在地面目標方位的判斷中具有很好的效果，在空域中可以判斷大致的方位，極大地增強人的識別效果。

當然CFAR也存在一定的漏檢測或誤檢，在檢測時調整式(5)中的a，b，c值，使人眼能有效地二次判斷出目標，另外可以采用自己提出的一種新型的軌跡記錄的方法［7］。在上述的圖4b和圖5b，檢測效果比較好，結合該顯示方法，經過人眼的二次判讀，能更加準確識別出目標，減小誤判。

4 小結

本文結合雷達中經典的恒虛警自適應檢測法和FPGA，充分運用兩者各自的優勢，對紅外視頻目標進行檢測。通過不斷的多場景實驗，調制自適應的閾值。可以對不同場景的目標進行有效的檢測。

:

［1］何友，關鍵，孟祥偉，等.雷達目標檢測與恒虛警處理［M］.2版.北京:清華大學出版社，2011:1－10.

［2］邱軍海，關鍵，宋杰，等.常用雷達視頻信號處理算法在FPGA上的實現［J］.海軍航空工程學院學報，2006，21(6):637－641.

［3］趙晶晶，諶海新，劉星彤，等.紅外小目標圖像預處理方法研究［J］.信號處理，2009，25(7):1088－1091.

［4］歐陽俊華，黃庚華，程鵬飛，等.FPGA的激光雷達恒虛警控制技術研究［J］.紅外與毫米學報，2009，28(1):50－53.

［5］向厚振，張志杰，王鵬.基于FPGA視頻和圖像處理系統的FIFO緩存技術［J］.電視技術，2012，36(9):41－43.

［6］GB/T 17953—2000，4∶2∶2 數字分量圖像信號的接口［S］.北京:中國標準出版社，2000.

［7］溫慶福，郭向東.一種新型的活動目標軌跡記錄算法［J］.電視技術，2014，38(5):31－33.