基于國(guó)產(chǎn)多核DSP的紅外弱小目標(biāo)檢測(cè)算法

摘要：復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)在紅外圖像處理領(lǐng)域中具有重要價(jià)值。本文提出了一種以背景抑制與目標(biāo)增強(qiáng)相結(jié)合，使用國(guó)產(chǎn)多核DSP并行運(yùn)算的紅外弱小目標(biāo)檢測(cè)方法。通過高斯濾波和梯度銳化有效的提升了信噪比，理論分析及實(shí)驗(yàn)結(jié)果表明，本算法能夠提高檢測(cè)率、降低虛警率、具有很強(qiáng)的檢測(cè)魯棒性和檢測(cè)實(shí)時(shí)性。

關(guān)鍵詞：國(guó)產(chǎn)化;紅外弱小目標(biāo);高斯濾波

中圖分類號(hào)：TP391.41;TN713? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1007-9416（2020）10-0000-00

0 引言

隨著國(guó)家自主可控規(guī)劃的推進(jìn)，近年來國(guó)產(chǎn)硬件的應(yīng)用越來越重要。我國(guó)軍事裝備的很多設(shè)備及其核心技術(shù)依靠進(jìn)口，無法從根本上保障信息的安全，國(guó)民經(jīng)濟(jì)和國(guó)防安全均存在安全隱患。因此，自主可控的國(guó)產(chǎn)化發(fā)展得到了國(guó)家的高度重視，本文使用國(guó)產(chǎn)銀河飛騰的FT-M6678 DSP（Digital Signal Processor）經(jīng)過多個(gè)版本的改進(jìn)升級(jí)，已經(jīng)滿足產(chǎn)品工程化要求。

由于紅外成像技術(shù)的發(fā)展和圖像信號(hào)處理能力的進(jìn)步，紅外成像檢測(cè)技術(shù)已被廣泛應(yīng)用。其中，弱小目標(biāo)檢測(cè)算法一直是紅外成像檢測(cè)中的熱點(diǎn)。

目前弱小目標(biāo)檢測(cè)的算法有很多，按處理方法分為頻域?yàn)V波算法和空域?yàn)V波算法。這兩種算法的區(qū)別在于：前者是在頻域上對(duì)圖像進(jìn)行處理，后者是在空域上對(duì)圖像進(jìn)行處理。這兩種算法的相同之處為：從本質(zhì)上來說它們都是通過高通濾波抑制平緩變化的背景。頻域?yàn)V波主要包括頻域高通濾波和小波分析法;空域?yàn)V波主要包括中值濾波、灰度形態(tài)學(xué)濾波、二維最小均方誤差、高通模板濾波等。頻域?yàn)V波首先通過傅里葉變換（FFT）將圖像變換到頻域上，然后對(duì)其進(jìn)行高通濾波，最后進(jìn)行逆傅里葉變換得到目標(biāo)，這種濾波可抑制緩慢變化的背景，同時(shí)保留弱小目標(biāo)、隨機(jī)噪聲和景象邊緣;但是實(shí)時(shí)性難以保證，目前主要還是在研究階段，工程上用的比較少。空域?yàn)V波首先進(jìn)行噪聲抑制和背景估計(jì)，然后對(duì)背景與原始圖像進(jìn)行差分運(yùn)算，最后對(duì)差分圖像進(jìn)行閾值分割并檢測(cè)目標(biāo)，由于空域算法的實(shí)時(shí)性好，被廣泛用于工程實(shí)現(xiàn)中。文中提出了一種簡(jiǎn)單實(shí)用的弱小目標(biāo)檢測(cè)算法，該算法首先進(jìn)行背景抑制獲得背景圖像，然后采用梯度銳化進(jìn)行目標(biāo)增強(qiáng)，采用自適應(yīng)進(jìn)行閾值分割，最后采用鄰域連通獲得目標(biāo)信息。這種方法構(gòu)造簡(jiǎn)單，計(jì)算量小，軟件架構(gòu)采用并行運(yùn)算，滿足實(shí)時(shí)性要求。

1紅外圖像弱小目標(biāo)的檢測(cè)算法

紅外圖像弱小目標(biāo)的特征屬性是弱和小，當(dāng)目標(biāo)處于復(fù)雜云層等背景中，經(jīng)過遠(yuǎn)距離的大氣傳輸，目標(biāo)輻射的紅外能量達(dá)到探測(cè)器已經(jīng)非常微弱，對(duì)于一幀 256×256像素的圖像，目標(biāo)所占比例小于0.01%。由于目標(biāo)信號(hào)強(qiáng)度弱、所占面積小，僅為幾個(gè)像素的灰度奇異點(diǎn)，信噪比和對(duì)比度都非常低，因此紅外弱小目標(biāo)的檢測(cè)算法成為關(guān)鍵環(huán)節(jié)，本文采用背景抑制和目標(biāo)增強(qiáng)的算法檢測(cè)目標(biāo)，流程圖如圖1所示。

1.1 背景抑制

圖像中背景和周圍像素的灰度值相關(guān)性比較強(qiáng)，而目標(biāo)不具有這樣的特征，利用這一特征，將圖像中各像素的灰度值用其周圍一定范圍內(nèi)的灰度值進(jìn)行估計(jì);由于目標(biāo)像素和鄰近背景相比具有一定的孤立性，且其強(qiáng)度符合高斯分布，估計(jì)值和實(shí)際灰度值會(huì)相差較大，因此通過估計(jì)誤差即可實(shí)現(xiàn)對(duì)背景抑制。

一幅紅外小目標(biāo)圖像通常認(rèn)為是有目標(biāo)、背景和噪聲三部分組成，數(shù)學(xué)公式表達(dá)為：

式中，為圖像像素點(diǎn)坐標(biāo)，為像素點(diǎn)上的灰度值，，，分別表示目標(biāo)、背景以及噪聲的灰度值。

為保證工程的實(shí)用性，使用簡(jiǎn)單有效的背景估計(jì)模型[1][2]：

（2）

是以當(dāng)前像素 為中心的高斯濾波模板，滿足。根據(jù)目標(biāo)強(qiáng)度分布和光學(xué)成像系統(tǒng)特性，使用優(yōu)化后的3×3高斯濾波模板：

1.2 目標(biāo)增強(qiáng)

通過原圖像減去背景圖像，獲得的殘差圖中只包含了目標(biāo)圖像和噪聲圖像。

對(duì)殘差圖像采用梯度銳化[3]可以增強(qiáng)目標(biāo)信號(hào)，抑制噪聲。目標(biāo)信號(hào)是高頻信號(hào)，因此對(duì)其進(jìn)行梯度運(yùn)算，加強(qiáng)高頻分量部分，從而使得目標(biāo)突出。在實(shí)際使用中，通常采用下式來進(jìn)行計(jì)算梯度：

1.3閾值分割

目標(biāo)檢測(cè)需要選取適當(dāng)?shù)姆指钏惴▽⒛繕?biāo)信息分離出來，重點(diǎn)是選取合適的閾值。閾值選得過高，就會(huì)丟失目標(biāo)信息;反之，就會(huì)受到噪聲干擾，造成較高的虛警率。本文采用自適應(yīng)閾值[4]的方法獲得閾值，即

（6）

式中，為的均值，為其標(biāo)準(zhǔn)差，為常系數(shù)。為保證較低的虛警，本文選取3，利用公式（6）得到閾值，目標(biāo)增強(qiáng)圖像和閾值Th進(jìn)行比較后，獲得目標(biāo)的二值化圖像Y。

（7）

1.4 鄰域連通

由于紅外光學(xué)系統(tǒng)的成像特性，通過大氣傳輸和光學(xué)系統(tǒng)的傳遞函數(shù)的作用，其最終成像到探測(cè)器上不可能僅為1個(gè)像素。利用目標(biāo)的這一空間分布信息，將那些由于分割閾值降低引入的少量系統(tǒng)噪聲排除在外，同時(shí)將每個(gè)目標(biāo)的所屬像素信息聚合在一起，去除交叉的目標(biāo)點(diǎn)，形成完整的目標(biāo)信息。

對(duì)同一目標(biāo)像素的連通，可使用圖像處理中經(jīng)典的連通區(qū)域標(biāo)記法[5]，為了滿足實(shí)時(shí)性要求，本文采用4鄰域連通獲取目標(biāo)信息。

2國(guó)產(chǎn)多核DSP軟件架構(gòu)

本文使用國(guó)產(chǎn)銀河飛騰的FT-M6678多核DSP實(shí)現(xiàn)并行運(yùn)算。FT-M6678集成了8個(gè)內(nèi)核，具有定點(diǎn)/浮點(diǎn)運(yùn)算能力，支持高性能信號(hào)處理應(yīng)用;每核主頻1.25GHz，單核可高達(dá)40GMACS和20GFLOPS，每核具有32KB L1指令Cache、32KB數(shù)據(jù)Cache、512KB L2 Cache;8核共享的4MB SRAM，高速接口包括兩套3.125GBaud的RapidIO和5GBaud的PCIe，支持DMA傳輸，可以在10W功耗下實(shí)現(xiàn)160 GFLOPS的性能。

為充分發(fā)揮多核DSP的性能，提高算法的運(yùn)算能力和執(zhí)行效率，把圖像均分為上下半?yún)^(qū)，采用流水線操作，軟件架構(gòu)部署如表1所示。

其中Core0作為控制部分，不參與算法運(yùn)算，Core1- Core7時(shí)間開銷說明算法部署合理，每秒處理圖像可以達(dá)到150幀，核內(nèi)計(jì)算資源具有冗余性。

3實(shí)驗(yàn)結(jié)果

為說明紅外弱小目標(biāo)檢測(cè)算法的有效性，本文采用大量采集到的視頻數(shù)據(jù)進(jìn)行算法驗(yàn)證和分析，選取兩組信噪比不同的復(fù)雜云層圖像進(jìn)行說明。圖像數(shù)據(jù)格式為640×512×16bit，幀頻150Hz。首先采用Matlab進(jìn)行仿真驗(yàn)證，然后使用國(guó)產(chǎn)DSP進(jìn)行工程驗(yàn)證，實(shí)驗(yàn)環(huán)境和驗(yàn)證內(nèi)容如表2所示。

不同場(chǎng)景的驗(yàn)證如圖2和圖3所示，原始圖像的目標(biāo)用箭頭標(biāo)出，檢測(cè)結(jié)果用方框標(biāo)出，其中圖2的信噪比為2，目標(biāo)幾乎淹沒在背景中，圖3的信噪比為2.5，目標(biāo)位于云層間隙中。

紅外成像中，目標(biāo)信號(hào)的強(qiáng)度分布符合高斯分布，因此濾波模板由高斯擴(kuò)散函數(shù)結(jié)合系統(tǒng)實(shí)際光學(xué)傳遞函數(shù)并經(jīng)過適當(dāng)調(diào)試給出;考慮到本文是對(duì)弱小目標(biāo)進(jìn)行檢測(cè)的研究，使用3×3濾波模板可以滿足實(shí)驗(yàn)要求，同時(shí)對(duì)細(xì)節(jié)也會(huì)處理的更好。

使用自適應(yīng)閾值的方法獲得閾值，通過公式（5），使得目標(biāo)信號(hào)得到有效增強(qiáng);根據(jù)公式（6），為背景消減后殘差的平均值，由于殘差中主要為系統(tǒng)噪聲，其統(tǒng)計(jì)均值為0，可以直接認(rèn)為 。為噪聲標(biāo)準(zhǔn)差，由于殘差中目標(biāo)信號(hào)像素較少，可以等同于殘差的標(biāo)準(zhǔn)差，選取3，獲得閾值。

通過殘差和檢測(cè)結(jié)果的對(duì)比，本文選取的連通法去掉了多余的噪聲信號(hào)，降低了系統(tǒng)的虛警率，檢測(cè)結(jié)果表明，本文算法檢測(cè)概率高、虛警率低。使用國(guó)產(chǎn)多核DSP，算法可以達(dá)到每秒150幀的處理速度，同時(shí)可以靈活配置多核，分配核間資源，使得算法在核間均衡分配，滿足工程實(shí)時(shí)性的要求。

4 結(jié)語

本文以目標(biāo)信號(hào)的強(qiáng)度分布的高斯模板為模型，結(jié)合實(shí)際的光學(xué)系統(tǒng)獲得分布濾波模板，進(jìn)行背景抑制，并使用梯度法進(jìn)一步增強(qiáng)目標(biāo)灰度值，通過選取合適的閾值和連通法獲得目標(biāo)信息。在多核DSP上采用流水線操作，可以滿足150幀頻的處理速度，具有很好的實(shí)用性。實(shí)驗(yàn)結(jié)果表明該方法運(yùn)算簡(jiǎn)單，工程實(shí)現(xiàn)性好。后續(xù)工作中將利用本文方法，實(shí)現(xiàn)對(duì)紅外小目標(biāo)圖像序列的多目標(biāo)檢測(cè)。

參考文獻(xiàn)

[1]陳振學(xué)，汪國(guó)有.基于自適應(yīng)背景估計(jì)的紅外弱小目標(biāo)檢測(cè)算法[J].激光與紅外，2005（8）：608-610.

[2]楊麗萍，馮曉毅.一種基于背景估計(jì)的紅外弱小目標(biāo)檢測(cè)方法[J].紅外技術(shù)，2007（7）： 403-408.

[3]劉剛.MATLAB數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2010：119.

[4]萬明，張鳳鳴，累洪利，等.一種利用十字窗口識(shí)別紅外弱小目標(biāo)的新方法[J].光子學(xué)報(bào)， 2011，40（5）：764-767.

[5]王勇，趙保軍.復(fù)雜背景下低信噪比點(diǎn)目標(biāo)的實(shí)時(shí)檢測(cè)算法及實(shí)現(xiàn)[J].系統(tǒng)工程與電子技術(shù)，2002，24（12）：17-21.

收稿日期：2020-08-24

作者簡(jiǎn)介：孫秀峰（1982—），男，河北邯鄲人，碩士，工程師，研究方向：圖像處理及應(yīng)用。

Infrared Dim Targets Detection Based On The Nationalization of Multi-core DSP

SUN Xiu-feng

（Sichuan Changhong Electronic Technology Co.LTD，Mianyang? Sichuan? 621000）

Abstract：Infrared dim targets detection under the conditions of complicated background is useful in infrared image processing fields. The article offers an method of small targets detection in infrared images with background suppression and targets enhancement， which deals under the nationalization of multi-core DSP. The method improved the ratio of signal-noise with Gaussian filter and gradient? sharpening， the theoretical analysis and experiment results indicate that the proposed method has good performance of increasing detection rate and decreasing false rate， and has good robust and detection in real time.

Key words：Nationalize; Infrared dim targets; Gaussian Filter; gradient sharpening