紅外激光成像中的弱小目標(biāo)的準(zhǔn)確定位技術(shù)研究

摘 要： 由于紅外激光成像中的弱小目標(biāo)，存在信噪比低、無紋理信息和信號弱的特征，使得傳統(tǒng)基于背景抑制的目標(biāo)檢測方法，無法將目標(biāo)從復(fù)雜的背景中分割出來，檢測準(zhǔn)確率低。因此，將基于尺度空間的紅外弱小多目標(biāo)檢測算法應(yīng)用于紅外激光成像中弱小目標(biāo)的定位中，給出了紅外激光成像中弱小目標(biāo)定位硬件總體結(jié)構(gòu)，其由傳輸控制模塊、圖像采集模塊和弱小目標(biāo)定位模塊組成。采用傳輸控制模塊TMS320F2812傳遞和處理系統(tǒng)中的圖像，依據(jù)中央控制單元的命令對紅外攝像機進行控制，通過核心芯片為XC95288XL的圖像采集模塊獲取弱小目標(biāo)圖像，依據(jù)一定的字節(jié)順序保存在RAM中。通過軟件設(shè)計中的基于尺度空間的紅外弱小多目標(biāo)檢測算法，完成弱小目標(biāo)的準(zhǔn)確定位。實驗結(jié)果表明，該算法可在不同背景環(huán)境中，有效過濾干擾區(qū)域，準(zhǔn)確檢測出實際弱小目標(biāo)，魯棒性較高。

關(guān)鍵詞： 紅外激光成像； 弱小目標(biāo)； 目標(biāo)定位； TMS320F2812

中圖分類號： TN966+.6?34； TN95 文獻標(biāo)識碼： A 文章編號： 1004?373X（2016）20?0083?04

Abstract： Because the dim?small targets in infrared laser imaging has low signal?to?noise ratio and no texture information， and the signal is weak， which makes the traditional target detection method based on background suppression method unable to segment a target from its complex background， the infrared small target detection algorithm based on the scale space is used in small target positioning in the infrared laser imaging， which can rapidly and accurately detect multiple weak small targets in complex background. The overall structure of the hardware for dim?small target positioning in the infrared laser imaging is given. The system is composed of transmission control module， image acquisition module and small target positioning module. The transmission control module TMS320F2812 is adopted to transmit and process the images in the system and control the infrared camera according to the instruction from the central control unit. The dim?small target image is got by the image acquisition module of the core chip XC95288XL and restored in RAM according to a certain byte order. The infrared dim?small multi?target detection algorithm based on the scale space in software design is used to fulfill accurate positioning of dim?small target. The experiment results indicate that the algorithm can effectively filter the interference area in the different background environments， accurately detect dim?small targets， and has high robustness.

Keywords： infrared laser imaging； weak small target； target positioning； TMS320F2812

0 引 言

紅外激光成像中弱小目標(biāo)檢測技術(shù)，在紅外制導(dǎo)、搜索定位以及預(yù)警領(lǐng)域都具有重要的應(yīng)用價值。距離越遠、目標(biāo)成像面積越小，受到背景噪聲的干擾越嚴(yán)重，因此尋求有效的方法，對紅外激光成像中的弱小目標(biāo)進行準(zhǔn)確檢測，成為相關(guān)人員分析的重點問題[1?3]。由于紅外激光成像中的弱小目標(biāo)，存在信噪比低、無紋理信息和信號弱的特征，使得傳統(tǒng)基于背景抑制的目標(biāo)檢測方法，無法將目標(biāo)從復(fù)雜的背景中分割出來，檢測準(zhǔn)確率低[4]。

文獻[5]采用融合模型驅(qū)動和數(shù)據(jù)驅(qū)動的方法檢測弱小目標(biāo)，通過數(shù)學(xué)模型描述目標(biāo)對象，采用模板匹配的方法定位目標(biāo)，但是弱小目標(biāo)的灰度信息缺乏，不能塑造完整的數(shù)學(xué)模型，無法實現(xiàn)目標(biāo)的準(zhǔn)確檢測。文獻[6]分析了通過背景抑制法檢測弱小目標(biāo)的過程，因為處于復(fù)雜背景中的弱小目標(biāo)可看成高頻噪聲，則對圖像中的頻域進行高通濾波，能夠?qū)⒛繕?biāo)從背景中分割出來，但是該種方法要求目標(biāo)的灰度同背景存在一定的差異，具有較高的的局限性。文獻[7]通過基于視覺注意機制檢測弱小目標(biāo)，其采集目標(biāo)的感興趣區(qū)域后，將具有較高視覺注意力的感興趣區(qū)域當(dāng)成目標(biāo)區(qū)域，但是該種方法需要對圖像中全部的區(qū)域進行分析，運算量較高，檢測效率低。文獻[8]通過二階高斯馬爾可夫隨機場模型，反映弱小目標(biāo)的背景紋理，通過特征向量對目標(biāo)進行跟蹤，采用參數(shù)預(yù)測方法檢測目標(biāo)的位置。該方法的運算量較高，存在檢測效率低的缺陷，無法實現(xiàn)紅外成像弱小目標(biāo)的實時檢測需求。

面向上述分析的各種問題，為了提高紅外激光成像中弱小目標(biāo)檢測效率和精度，提出了基于尺度空間的紅外弱小多目標(biāo)檢測算法應(yīng)用于紅外激光成像中弱小目標(biāo)的定位中，給出了紅外激光成像中弱小目標(biāo)定位硬件總體結(jié)構(gòu)，其由傳輸控制模塊、圖像采集模塊和弱小目標(biāo)定位模塊組成。實驗結(jié)果說明，該算法可在不同背景環(huán)境中，有效過濾干擾區(qū)域，準(zhǔn)確檢測出實際弱小目標(biāo)，魯棒性較高。

1 紅外激光成像中弱小目標(biāo)定位系統(tǒng)

1.1 系統(tǒng)總體結(jié)構(gòu)

總體紅外激光成像中弱小目標(biāo)定位系統(tǒng)的組成結(jié)構(gòu)圖如圖1所示。

分析圖1可以看出，系統(tǒng)由傳輸控制模塊、圖像采集模塊和弱小目標(biāo)定位模塊組成。總體系統(tǒng)的關(guān)鍵模塊為傳輸控制模塊TMS320F2812，通過該模塊完成系統(tǒng)中圖像傳遞和處理性能，同時采集中央控制單元DSP的命令，對紅外攝像機進行控制。系統(tǒng)通過核心芯片為XC95288XL的圖像采集模塊獲取弱小目標(biāo)圖像，依據(jù)一定的字節(jié)順序保存在RAM中?？傮w定位系統(tǒng)包括傳輸控制模塊、圖像采集模塊以及目標(biāo)定位模塊。

1.2 傳輸控制模塊

傳輸控制模塊是總體弱小目標(biāo)檢測系統(tǒng)的關(guān)鍵部分，其完成弱小目標(biāo)圖像的傳遞和圖像處理、控制命令的采集以及對紅外攝像機進行調(diào)控，由中央控制單元DSP和以太網(wǎng)控制器構(gòu)成。

1.2.1 通過中央控制單元DSP采集和處理控制命令

系統(tǒng)通過中央控制單元DSP采集和處理控制命令，對紅外攝像機進行控制。其中的中央控制單元DSP采用來自TI公司的TMS320F2812，其功能結(jié)構(gòu)圖如圖2所示。其是一種32位點數(shù)字信號處理器，片內(nèi)集成了128K×16 b的FLASH和18K×16 b的RAM，可存儲大量的控制命令，具有較高的芯片處理性能。TMS320F2812采用C28x內(nèi)核，通過簡單的指令集，確保CPU能夠單周期的運行寄存器到寄存器指令，并且采用哈佛總線結(jié)構(gòu)，提升指令的并行操作性能，增強處理器的操作性能。其時鐘信號采用F2812中的鎖相環(huán)電路倍頻到120 MHz運行頻率中。TMS320F2812包括內(nèi)核和I/O兩部分電源，需要向系統(tǒng)融入復(fù)位電路，確保系統(tǒng)在無電或供電異常情況下，確保TMS320F2812處于復(fù)位狀態(tài)，提高系統(tǒng)的可靠性。

1.2.2 采用以太網(wǎng)控制器AX88796B傳遞圖像數(shù)據(jù)和控制命令

以太網(wǎng)是弱小目標(biāo)檢測系統(tǒng)同中央控制單元DSP間進行信息溝通的紐帶，系統(tǒng)采用具有高速處理能力的以太網(wǎng)控制器AX88796B，傳遞大量的紅外激光圖像數(shù)據(jù)和中央控制單元反饋給目標(biāo)檢測系統(tǒng)的控制命令。AX88796B以太網(wǎng)控制是一種自適應(yīng)以太網(wǎng)控制器，集成了8K×16 b的靜態(tài)存儲器，并采用NE2000內(nèi)核，方便定位算法驅(qū)動程序的編寫。

1.3 圖像采集模塊

以XC95288XL為核心芯片的圖像采集模塊主要用于采集紅外激光圖像，獲取最佳數(shù)據(jù)通路，同時可將紅外攝像機IR238?02并行數(shù)據(jù)線圖像數(shù)據(jù)依據(jù)相應(yīng)的字節(jié)保存在存儲器中。選擇數(shù)據(jù)通路時XC95288XL將獲取的圖像數(shù)據(jù)保存在F2812選擇的某片存儲器中，完成圖像讀取操作。該部分由XC95288XL電路設(shè)計和控制器設(shè)計組成。

圖像采集模塊中的控制器設(shè)計是總體圖像采集模塊的關(guān)鍵部分，主要是對圖像采集模塊XC95288XL進行編程，確保其可提取紅外攝像機傳遞出的圖像數(shù)據(jù)，同時依據(jù)合理的字節(jié)順序保存在RAM內(nèi)，促使中央控制單元DSP訪問存儲器時選擇數(shù)據(jù)通路過程的實現(xiàn)。

1.4 弱小目標(biāo)定位模塊

紅外激光圖像中弱小目標(biāo)定位模塊主要負(fù)責(zé)對弱小目標(biāo)進行準(zhǔn)確定位，該模塊的關(guān)鍵部分為DE2開發(fā)板，采用其中的jtag_uart模塊驅(qū)動基于尺度空間的紅外弱小多目標(biāo)檢測算法，對圖像采集模塊中的紅外激光成像數(shù)據(jù)進行分析，實現(xiàn)弱小目標(biāo)的準(zhǔn)確定位。

2 基于尺度空間的紅外弱小目標(biāo)檢測算法在軟

件設(shè)計中的應(yīng)用

本節(jié)將基于尺度空間的紅外弱小多目標(biāo)檢測算法應(yīng)用于軟件設(shè)計中，實現(xiàn)紅外激光成像中弱小目標(biāo)的準(zhǔn)確定位。

2.1 可疑弱小目標(biāo)分割算法的設(shè)計

因為采用圖像采集模塊獲取的紅外激光成像中的弱小目標(biāo)在總體圖像中占據(jù)微小比例，因此，依據(jù)自適應(yīng)鄰域的理論，對弱小目標(biāo)圖像進行濾波操作，分割出可疑弱小目標(biāo)。針對弱小目標(biāo)進行拉普拉斯尺度規(guī)范化處理，依據(jù)濾波響應(yīng)的變化得到目標(biāo)的尺度空間序列，獲取全部可疑目標(biāo)的大小，具體過程如下：

3 實驗結(jié)果及分析

通過實驗驗證本文方法的有效性，將背景抑制法當(dāng)成對比分析方法。實驗通過正確檢測率和虛警率兩個指標(biāo)評估檢測方法的性能，定義如下：

[正確檢測率=正確檢測到的實際目標(biāo)數(shù)量實際目標(biāo)數(shù)量×100%][虛警率=虛警目標(biāo)數(shù)檢測出的目標(biāo)數(shù)量×100%] （5）

實驗1：圖4（a）是從開始著陸的戰(zhàn)機視頻中采集的1幀，構(gòu)成一個80幀圖像中的部分幀，戰(zhàn)機離地面越來越近，成像尺寸不斷增加，戰(zhàn)機目標(biāo)成像面積低于5×5，圖像大小為220 × 160，符合紅外激光成像中弱小目標(biāo)的要求。圖4（b）、圖4（c）分別是采用本文方法和背景抑制方法進行弱小目標(biāo)檢測的結(jié)果，能夠看出，在目標(biāo)占據(jù)總體圖像比例較低的情況下，背景抑制方法無法檢測出實際弱小目標(biāo)，隨著戰(zhàn)機目標(biāo)尺寸的不斷增加，背景抑制方法才能檢測出目標(biāo)，但該方法易受到高頻噪聲的干擾，出現(xiàn)較多的虛警，將圖像中地面的某些區(qū)域誤檢測成目標(biāo)。而本文方法可有效過濾地面影響區(qū)域，準(zhǔn)確檢測出實際弱小目標(biāo)。

圖5描述了圖4中圖像序列100幀的目標(biāo)檢測結(jié)果。從圖5中可以看出，本文方法在100幀中有3幀未檢測出目標(biāo)，有2幀檢測出來的目標(biāo)尺寸有錯誤，正確檢測率為96%，100幀中共有 8 個虛假目標(biāo)，虛警率為6.3%。而實驗過程中背景抑制方法在100幀中有18幀未檢測出目標(biāo)，有23幀檢測出的目標(biāo)尺寸存在誤差，正確檢測率為82%，虛警率為18.2%。因此，通過對比可得，本文方法的正確檢測率和虛警率檢測指標(biāo)都優(yōu)于背景抑制方法。

實驗2：不同背景下的紅外激光成像弱小目標(biāo)檢測，圖6（a）、圖6（d）、圖6（g）用于描述不同背景下的紅外激光成像弱小目標(biāo)圖像，背景分別是天空、海天以及海天陸地，不同圖中的實際弱小目標(biāo)用方框描述。圖 6（b）、圖6（e）、圖6（h）是本文方法進行弱小目標(biāo)的檢測結(jié)果，采用白色圓標(biāo)識檢測結(jié)果。

圖6（c）、圖6（f）、圖6（i）是采用背景抑制方法檢測出的目標(biāo)位置圖，用白色方框描述。

分析圖6可得，本文方法在三種不同背景下都能準(zhǔn)確檢測出全部弱小目標(biāo)，而背景抑制方法在天空背景圖6（c）正確檢測出目標(biāo)，在其他兩個圖像中存在虛假現(xiàn)象。說明本文方法能夠解決復(fù)雜環(huán)境的不利干擾，準(zhǔn)確檢測出弱小目標(biāo)，具有較高的魯棒性。

從圖6中的不同背景中采集連續(xù)30幀圖像，統(tǒng)計本文方法和背景抑制方法對于30幀圖像中的弱小目標(biāo)進行檢測過程中的虛警目標(biāo)數(shù)，如圖7所示。

從圖7可以看出，本文方法在不同背景下的虛假目標(biāo)總數(shù)低于背景抑制方法。

4 結(jié) 論

本文將基于尺度空間的紅外弱小多目標(biāo)檢測算法應(yīng)用于紅外激光成像中弱小目標(biāo)的定位中，給出了紅外激光成像中弱小目標(biāo)定位硬件總體結(jié)構(gòu)，其由傳輸控制模塊、圖像采集模塊和弱小目標(biāo)定位模塊組成。采用傳輸控制模塊TMS320F2812傳遞和處理系統(tǒng)中的圖像，依據(jù)中央控制單元的命令對紅外攝像機進行控制，通過核心芯片為XC95288XL的圖像采集模塊獲取弱小目標(biāo)圖像，依據(jù)一定的字節(jié)順序保存在RAM中。通過軟件設(shè)計中的基于尺度空間的紅外弱小多目標(biāo)檢測算法，完成弱小目標(biāo)的準(zhǔn)確定位。實驗結(jié)果說明，該算法可在不同背景環(huán)境中，有效過濾干擾區(qū)域，準(zhǔn)確檢測出實際弱小目標(biāo)，魯棒性較高。

參考文獻

[1] 郝帥，程詠梅，馬旭，等.面向近紅外合作目標(biāo)的魯棒檢測與匹配算法[J].系統(tǒng)工程與電子技術(shù)，2014，36（9）：1854?1859.

[2] 熊衛(wèi)兵，杜光偉，李世偉.一種紅外弱小目標(biāo)提取的有效算法[J].電子技術(shù)與軟件工程，2015（12）：103?104.

[3] 趙菲，盧煥章，張志勇.基于改進多特征融合均值位移算法的紅外艦船目標(biāo)跟蹤[J].系統(tǒng)工程與電子技術(shù)，2014，36（2）：205?213.

[4] 高照忠，魏海霞，喻懷義.遙感圖像中微小紅外目標(biāo)的分類定位識別[J].科技通報，2015，31（12）：231?233.

[5] 趙愛罡，王宏力，楊小岡，等.基于結(jié)構(gòu)低秩編碼的復(fù)雜環(huán)境紅外弱小目標(biāo)檢測算法[J].中國慣性技術(shù)學(xué)報，2015，23（5）：662?669.

[6] 程紅，仇榮超，孫文邦.遙感圖像目標(biāo)的定位算法[J].紅外技術(shù)，2015（10）：831?835.

[7] 劉前進，楊衛(wèi)，劉云武.基于熱釋電紅外傳感器的多節(jié)點定位系統(tǒng)研究與設(shè)計[J].計算機測量與控制，2014，22（9）：2947?2948.

[8] 葉華，朱明旱，王日興.紅外和可見光圖像互補融合的運動目標(biāo)檢測方法[J].紅外技術(shù)，2015（8）：648?654.