红外目标实时检测系统设计

发布时间：2020-08-26 18:05

【摘要】：随着红外传感器与嵌入式微处理器的快速发展,红外检测技术的应用也越来越广泛,同时检测设备逐渐向小型化的趋势发展。由于红外检测系统常常被应用于制导过程,而检测的可靠性和实时性则成为制导成功的关键因素,因此对红外目标实时检测系统的研究与设计将具有重要的现实意义。本文主要从检测算法的改进和硬件平台的设计两个方面开展,探讨准确高效的检测算法,设计高算法匹配度、高性能的硬件平台,最终实现红外目标的实时检测。本文首先介绍红外图像预处理的相关理论,探讨系统涉及的红外预处理技术和红外图像显示增强技术,并对其进行仿真分析;然后研究基于单帧的背景预测和多步长梯度的目标检测算法,在综合考虑算法优缺点与计算复杂度后,提出本文的改进算法——基于多方向梯度的多尺度红外目标检测算法。该算法利用红外目标具有全向梯度的特性,使用改进型邻域梯度计算方法,通过八方向梯度采样进行特征度量,实现红外目标的检测;其次,通过构建图像的高斯金字塔,并对其逐层检测,实现红外目标的多尺度计算,有效地扩大了算法可检测的目标尺度;最终,依据单帧检测的结果,利用多帧的图像信息进行目标的进一步确定,降低算法的误检率。多帧确认过程中,依据单帧检测结果采用区域生长法进行目标分割,根据分割结果提取目标的灰度均值、灰度均方差、大小、质心和Hu不变矩等特征。利用这些特征,使用改进型带权值的曼哈顿距离进行多帧间目标的匹配,形成连续的目标轨迹。最终利用先验知识过滤出感兴趣的目标轨迹,实现目标的准确检测。同时,根据算法运算量大和并行度高的特点,设计ARM+FPGA结构的硬件处理平台。该平台以ARM为核心处理器,利用FPGA并行运行机制和丰富的可编程IO,进行算法加速与接口扩展。通过采用CameraLink和SDI等视频输入输出接口,提高设备的可连接性。根据算法特征和数据流向设计合理高效的算法结构,利用FPGA完成大量复杂的运算操作,提升系统整体运算效率。经过实际测试,可实现640×512分辨率下,2×2至21×21像素大小的红外亮目标每秒50帧的有效检测,同时具有功耗低、体积小等优点。该实时检测系统的实现初步解决了便携式红外目标实时检测的需求,也为其它检测系统的设计提供了参考。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TN21
【图文】：

红外图像

首先必须抑制图像噪声、增强图像信息、消除非均匀性和改善图像质量。通过红外图像的预处理，可减少图像中的噪声和杂波，增强图像的信噪比。图2.1 典型红外图像如图 2.1 所示，红外图像由目标、背景杂波、噪声三部分组成[37]，其数学模型可由式(2-1)表示。 , , , , , , , , B T Nf x y k f x y k f x y k f x y k(2-1)式中 , , Bf x y k ， , , Tf x y k 和 , , Nf x y k 分别表示背景、目标和噪声， x ,y 表示像素点坐标，k 为图像帧序号。本文所针对的设计目标为红外亮目标，因此目标的温度高于背景温度，体现为目标的亮度强于背景，即目标灰度值大于背景。与此同时

滤波效果,均值滤波,高斯滤波,图像

(c)均值滤波后图像 (d)均值滤波后图像频谱(e)高斯滤波后图像 (f)高斯滤波后图像频谱图2.2 滤波效果图如图 2.2 所示，选用含有高斯噪声和椒盐噪声的图像，使用均值滤波和高斯滤波进行去噪处理，并分析对比其各自的频谱图。经过仿真可发现，原始图像经过均值滤波和高斯滤波后噪声都得到了有效的抑制，图像频域的对比度有所提升，但频谱本身信息并没有增减。也可以看出，相比于均值滤波，高斯滤波使图像更加平滑。因此，本系统选用均值滤波进行去噪，在去噪的同时又能有效地保留图像的细节。

效果图,线性拉伸,效果图

(a)原始图像 (b)灰度直方图(c)线性拉伸后图像 (d)灰度直方图图2.3 线性拉伸效果图对比拉伸前后的图像可发现，线性拉伸能有效的提升图片的对比度，使得图片中的目标变得更为明显。对比前后的直方图分布，拉伸后的直方图分布更为均匀，并且灰度分布的形状保持不变。

【参考文献】