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

蔣理，李維勇

（南京信息職業(yè)技術(shù)學(xué)院，江蘇　南京　210000）

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

蔣理，李維勇

（南京信息職業(yè)技術(shù)學(xué)院，江蘇南京210000）

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(hào)弱的特征，使得傳統(tǒng)基于背景抑制的目標(biāo)檢測(cè)方法，無法將目標(biāo)從復(fù)雜的背景中分割出來，檢測(cè)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(cè)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(duì)紅外攝像機(jī)進(jìn)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(jì)中的基于尺度空間的紅外弱小多目標(biāo)檢測(cè)算法，完成弱小目標(biāo)的準(zhǔn)確定位。實(shí)驗(yàn)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(cè)出實(shí)際弱小目標(biāo)，魯棒性較高。

紅外激光成像；弱小目標(biāo)；目標(biāo)定位；TMS320F2812

0　引言

紅外激光成像中弱小目標(biāo)檢測(cè)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(jià)值。距離越遠(yuǎn)、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(duì)紅外激光成像中的弱小目標(biāo)進(jìn)行準(zhǔn)確檢測(cè)，成為相關(guān)人員分析的重點(diǎn)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(hào)弱的特征，使得傳統(tǒng)基于背景抑制的目標(biāo)檢測(cè)方法，無法將目標(biāo)從復(fù)雜的背景中分割出來，檢測(cè)準(zhǔn)確率低［4］。

文獻(xiàn)［5］采用融合模型驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的方法檢測(cè)弱小目標(biāo)，通過數(shù)學(xué)模型描述目標(biāo)對(duì)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(shí)現(xiàn)目標(biāo)的準(zhǔn)確檢測(cè)。文獻(xiàn)［6］分析了通過背景抑制法檢測(cè)弱小目標(biāo)的過程，因?yàn)樘幱趶?fù)雜背景中的弱小目標(biāo)可看成高頻噪聲，則對(duì)圖像中的頻域進(jìn)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(xiàn)［7］通過基于視覺注意機(jī)制檢測(cè)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(duì)圖像中全部的區(qū)域進(jìn)行分析，運(yùn)算量較高，檢測(cè)效率低。文獻(xiàn)［8］通過二階高斯馬爾可夫隨機(jī)場(chǎng)模型，反映弱小目標(biāo)的背景紋理，通過特征向量對(duì)目標(biāo)進(jìn)行跟蹤，采用參數(shù)預(yù)測(cè)方法檢測(cè)目標(biāo)的位置。該方法的運(yùn)算量較高，存在檢測(cè)效率低的缺陷，無法實(shí)現(xiàn)紅外成像弱小目標(biāo)的實(shí)時(shí)檢測(cè)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(cè)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(cè)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(shí)驗(yàn)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(cè)出實(shí)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。

圖1　紅外激光成像中弱小目標(biāo)檢測(cè)系統(tǒng)硬件結(jié)構(gòu)圖

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?？傮w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(shí)采集中央控制單元DSP的命令，對(duì)紅外攝像機(jī)進(jìn)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(cè)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(duì)紅外攝像機(jī)進(jìn)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(duì)紅外攝像機(jī)進(jìn)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(diǎn)數(shù)字信號(hào)處理器，片內(nèi)集成了128K×16 b的FLASH和18K×16 b的RAM，可存儲(chǔ)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(jiǎn)單的指令集，確保CPU能夠單周期的運(yùn)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(qiáng)處理器的操作性能。其時(shí)鐘信號(hào)采用F2812中的鎖相環(huán)電路倍頻到120 MHz運(yùn)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。

圖2　TMS320F2812的功能結(jié)構(gòu)圖

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(cè)系統(tǒng)同中央控制單元DSP間進(jìn)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(cè)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(chǔ)器，并采用NE2000內(nèi)核，方便定位算法驅(qū)動(dòng)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(shí)可將紅外攝像機(jī)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(chǔ)器中。選擇數(shù)據(jù)通路時(shí)XC95288XL將獲取的圖像數(shù)據(jù)保存在F2812選擇的某片存儲(chǔ)器中，完成圖像讀取操作。該部分由XC95288XL電路設(shè)計(jì)和控制器設(shè)計(jì)組成。

圖像采集模塊中的控制器設(shè)計(jì)是總體圖像采集模塊的關(guān)鍵部分，主要是對(duì)圖像采集模塊XC95288XL進(jìn)行編程，確保其可提取紅外攝像機(jī)傳遞出的圖像數(shù)據(jù)，同時(shí)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(chǔ)器時(shí)選擇數(shù)據(jù)通路過程的實(shí)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(duì)弱小目標(biāo)進(jìn)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(dòng)基于尺度空間的紅外弱小多目標(biāo)檢測(cè)算法，對(duì)圖像采集模塊中的紅外激光成像數(shù)據(jù)進(jìn)行分析，實(shí)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(cè)算法在軟件設(shè)計(jì)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(cè)算法應(yīng)用于軟件設(shè)計(jì)中，實(shí)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(jì)

因?yàn)椴捎脠D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(duì)弱小目標(biāo)圖像進(jìn)行濾波操作，分割出可疑弱小目標(biāo)。針對(duì)弱小目標(biāo)進(jìn)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：

設(shè)置弱小目標(biāo)圖像中像素g（x，y）梯度為：

其模為：

檢測(cè)紅外激光成像中弱小目標(biāo)過程中，采用4向梯度，設(shè)置梯度步長(zhǎng)是4，如果弱小目標(biāo)不同方向的梯度值都高于零，4向平均梯度不小于閾值T，則存儲(chǔ)該點(diǎn)坐標(biāo)（x,y），說明該點(diǎn)為可疑目標(biāo)點(diǎn)。目標(biāo)點(diǎn)圖像構(gòu)成像素以5×5為窗口w，則該窗口中的最高平均梯度的像素點(diǎn)為（xm,ym），將其作為中心點(diǎn)，5×5為窗口w，采用式（3）對(duì)弱小目標(biāo)進(jìn)行拉普拉斯尺度規(guī)范化處理：

F（xi,yi,s）＞F（xw,yw,s）,（xw,yw）∈w（3）

若（xi,yi）滿足式（3），則（xi,yi）為紅外激光成像中弱小目標(biāo)的中心位置，不斷調(diào)整尺度因子并進(jìn)行規(guī)范化處理，獲取弱小目標(biāo)的尺度序列，在該尺度序列中點(diǎn)（xi,yi）得到具有最高濾波響應(yīng)的拉普拉斯尺度區(qū)間，獲取可疑弱小目標(biāo)尺度。

2.2實(shí)際弱小目標(biāo)檢測(cè)算法設(shè)計(jì)

通過閾值分割方法可從2.1節(jié)獲取的紅外激光成像中的可疑弱小目標(biāo)中分割出實(shí)際弱小目標(biāo)。因?yàn)榈?.1節(jié)通過尺度空間序列圖獲取全部可疑弱小目標(biāo)的大小，則提出一種基于目標(biāo)大小動(dòng)態(tài)閾值明確閾值窗口，得到分割閾值方法，也就是按照可疑目標(biāo)大小設(shè)置背景窗口，該窗口的變化同目標(biāo)尺寸變化保持一致。詳細(xì)的過程為：

設(shè)置第2.1節(jié)獲取的可疑弱小目標(biāo)尺寸為s，目標(biāo)大小為5s，則背景大小設(shè)置為15s×15s。通過式（4）獲取弱小目標(biāo)圖像的分割閾值，其中，M為均值，σ為標(biāo)準(zhǔn)差，fi表示背景范圍中的像素值，n表示背景范圍中的像素?cái)?shù)量：

動(dòng)態(tài)閾值通過選擇T=M+k×σ，其中k用于調(diào)整不同環(huán)境下的分割閾值。圖3為采用動(dòng)態(tài)閾值分割后對(duì)虛假目標(biāo)的抑制效果圖，從圖3能夠看出，閾值分割準(zhǔn)確地分割出實(shí)際弱小目標(biāo)，將虛假目標(biāo)過濾掉。

圖3　動(dòng)態(tài)閾值分割對(duì)虛假弱小目標(biāo)的抑制效果

3　實(shí)驗(yàn)結(jié)果及分析

通過實(shí)驗(yàn)驗(yàn)證本文方法的有效性，將背景抑制法當(dāng)成對(duì)比分析方法。實(shí)驗(yàn)通過正確檢測(cè)率和虛警率兩個(gè)指標(biāo)評(píng)估檢測(cè)方法的性能，定義如下：

實(shí)驗(yàn)1：圖4（a）是從開始著陸的戰(zhàn)機(jī)視頻中采集的1幀，構(gòu)成一個(gè)80幀圖像中的部分幀，戰(zhàn)機(jī)離地面越來越近，成像尺寸不斷增加，戰(zhàn)機(jī)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(jìn)行弱小目標(biāo)檢測(cè)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(cè)出實(shí)際弱小目標(biāo)，隨著戰(zhàn)機(jī)目標(biāo)尺寸的不斷增加，背景抑制方法才能檢測(cè)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(cè)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(cè)出實(shí)際弱小目標(biāo)。

圖4　戰(zhàn)機(jī)目標(biāo)檢測(cè)結(jié)果

圖5描述了圖4中圖像序列100幀的目標(biāo)檢測(cè)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(cè)出目標(biāo)，有2幀檢測(cè)出來的目標(biāo)尺寸有錯(cuò)誤，正確檢測(cè)率為96%，100幀中共有8個(gè)虛假目標(biāo)，虛警率為6.3%。而實(shí)驗(yàn)過程中背景抑制方法在100幀中有18幀未檢測(cè)出目標(biāo)，有23幀檢測(cè)出的目標(biāo)尺寸存在誤差，正確檢測(cè)率為82%，虛警率為18.2%。因此，通過對(duì)比可得，本文方法的正確檢測(cè)率和虛警率檢測(cè)指標(biāo)都優(yōu)于背景抑制方法。

圖5　采用兩種方法估計(jì)弱小目標(biāo)大小

實(shí)驗(yàn)2：不同背景下的紅外激光成像弱小目標(biāo)檢測(cè)，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(shí)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(jìn)行弱小目標(biāo)的檢測(cè)結(jié)果，采用白色圓標(biāo)識(shí)檢測(cè)結(jié)果。

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

圖6　不同背景目標(biāo)檢測(cè)結(jié)果

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(cè)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(cè)出目標(biāo)，在其他兩個(gè)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(cè)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(jì)本文方法和背景抑制方法對(duì)于30幀圖像中的弱小目標(biāo)進(jìn)行檢測(cè)過程中的虛警目標(biāo)數(shù)，如圖7所示。

圖7　不同背景目標(biāo)檢測(cè)中虛假目標(biāo)數(shù)

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(cè)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(duì)紅外攝像機(jī)進(jìn)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(jì)中的基于尺度空間的紅外弱小多目標(biāo)檢測(cè)算法，完成弱小目標(biāo)的準(zhǔn)確定位。實(shí)驗(yàn)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(cè)出實(shí)際弱小目標(biāo)，魯棒性較高。

［1］郝帥，程詠梅，馬旭，等.面向近紅外合作目標(biāo)的魯棒檢測(cè)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(jìn)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(shí)別［J］.科技通報(bào)，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(cè)算法［J］.中國(guó)慣性技術(shù)學(xué)報(bào)，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(jìn)，楊衛(wèi)，劉云武.基于熱釋電紅外傳感器的多節(jié)點(diǎn)定位系統(tǒng)研究與設(shè)計(jì)［J］.計(jì)算機(jī)測(cè)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(bǔ)融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］.紅外技術(shù)，2015（8）：648-654.

Research on accurate positioning technology for weak and small targets in infrared laser imaging

JIANG Li，LI Weiyong
（Nanjing College of Information Technology，Nanjing 210000，China）

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.

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

TN966+.6-34；TN95

A

1004-373X（2016）20-0083-04

10.16652/j.issn.1004-373x.2016.20.021

2016-02-03

國(guó)家自然科學(xué)基金（15369627）

蔣理（1982—），男，江蘇南京人，講師，碩士。主要從事移動(dòng)互聯(lián)網(wǎng)技術(shù)的研究工作。

李維勇（1976—），男，安徽滁州人，副教授，碩士。主要從事移動(dòng)互聯(lián)網(wǎng)應(yīng)用技術(shù)的研究工作。