紅外激光成像中的弱小目標的準確定位技術研究

摘 要： 由于紅外激光成像中的弱小目標，存在信噪比低、無紋理信息和信號弱的特征，使得傳統基于背景抑制的目標檢測方法，無法將目標從復雜的背景中分割出來，檢測準確率低。因此，將基于尺度空間的紅外弱小多目標檢測算法應用于紅外激光成像中弱小目標的定位中，給出了紅外激光成像中弱小目標定位硬件總體結構，其由傳輸控制模塊、圖像采集模塊和弱小目標定位模塊組成。采用傳輸控制模塊TMS320F2812傳遞和處理系統中的圖像，依據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圖像，依據一定的字節順序保存在RAM中。通過軟件設計中的基于尺度空間的紅外弱小多目標檢測算法，完成弱小目標的準確定位。實驗結果表明，該算法可在不同背景環境中，有效過濾干擾區域，準確檢測出實際弱小目標，魯棒性較高。

關鍵詞： 紅外激光成像； 弱小目標； 目標定位； TMS320F2812

中圖分類號： TN966+.6?34； TN95 文獻標識碼： 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檢測技術，在紅外制導、搜索定位以及預警領域都具有重要的應用價值。距離越遠、目標成像面積越小，受到背景噪聲的干擾越嚴重，因此尋求有效的方法，對紅外激光成像中的弱小目標進行準確檢測，成為相關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，存在信噪比低、無紋理信息和信號弱的特征，使得傳統基于背景抑制的目標檢測方法，無法將目標從復雜的背景中分割出來，檢測準確率低[4]。

文獻[5]采用融合模型驅動和數據驅動的方法檢測弱小目標，通過數學模型描述目標對象，采用模板匹配的方法定位目標，但是弱小目標的灰度信息缺乏，不能塑造完整的數學模型，無法實現目標的準確檢測。文獻[6]分析了通過背景抑制法檢測弱小目標的過程，因為處于復雜背景中的弱小目標可看成高頻噪聲，則對圖像中的頻域進行高通濾波，能夠將目標從背景中分割出來，但是該種方法要求目標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，其采集目標的感興趣區域后，將具有較高視覺注意力的感興趣區域當成目標區域，但是該種方法需要對圖像中全部的區域進行分析，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，反映弱小目標的背景紋理，通過特征向量對目標進行跟蹤，采用參數預測方法檢測目標的位置。該方法的運算量較高，存在檢測效率低的缺陷，無法實現紅外成像弱小目標的實時檢測需求。

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檢測效率和精度，提出了基于尺度空間的紅外弱小多目標檢測算法應用于紅外激光成像中弱小目標的定位中，給出了紅外激光成像中弱小目標定位硬件總體結構，其由傳輸控制模塊、圖像采集模塊和弱小目標定位模塊組成。實驗結果說明，該算法可在不同背景環境中，有效過濾干擾區域，準確檢測出實際弱小目標，魯棒性較高。

1 紅外激光成像中弱小目標定位系統

1.1 系統總體結構

總體紅外激光成像中弱小目標定位系統的組成結構圖如圖1所示。

分析圖1可以看出，系統由傳輸控制模塊、圖像采集模塊和弱小目標定位模塊組成。總體系統的關鍵模塊為傳輸控制模塊TMS320F2812，通過該模塊完成系統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。系統通過核心芯片為XC95288XL的圖像采集模塊獲取弱小目標圖像，依據一定的字節順序保存在RAM中。總體定位系統包括傳輸控制模塊、圖像采集模塊以及目標定位模塊。

1.2 傳輸控制模塊

傳輸控制模塊是總體弱小目標檢測系統的關鍵部分，其完成弱小目標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控，由中央控制單元DSP和以太網控制器構成。

1.2.1 通過中央控制單元DSP采集和處理控制命令

系統通過中央控制單元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，其功能結構圖如圖2所示。其是一種32位點數字信號處理器，片內集成了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構，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中的鎖相環電路倍頻到120 MHz運行頻率中。TMS320F2812包括內核和I/O兩部分電源，需要向系統融入復位電路，確保系統在無電或供電異常情況下，確保TMS320F2812處于復位狀態，提高系統的可靠性。

1.2.2 采用以太網控制器AX88796B傳遞圖像數據和控制命令

以太網是弱小目標檢測系統同中央控制單元DSP間進行信息溝通的紐帶，系統采用具有高速處理能力的以太網控制器AX88796B，傳遞大量的紅外激光圖像數據和中央控制單元反饋給目標檢測系統的控制命令。AX88796B以太網控制是一種自適應以太網控制器，集成了8K×16 b的靜態存儲器，并采用NE2000內核，方便定位算法驅動程序的編寫。

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，獲取最佳數據通路，同時可將紅外攝像機IR238?02并行數據線圖像數據依據相應的字節保存在存儲器中。選擇數據通路時XC95288XL將獲取的圖像數據保存在F2812選擇的某片存儲器中，完成圖像讀取操作。該部分由XC95288XL電路設計和控制器設計組成。

圖像采集模塊中的控制器設計是總體圖像采集模塊的關鍵部分，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據，同時依據合理的字節順序保存在RAM內，促使中央控制單元DSP訪問存儲器時選擇數據通路過程的實現。

1.4 弱小目標定位模塊

紅外激光圖像中弱小目標定位模塊主要負責對弱小目標進行準確定位，該模塊的關鍵部分為DE2開發板，采用其中的jtag_uart模塊驅動基于尺度空間的紅外弱小多目標檢測算法，對圖像采集模塊中的紅外激光成像數據進行分析，實現弱小目標的準確定位。

2 基于尺度空間的紅外弱小目標檢測算法在軟

件設計中的應用

本節將基于尺度空間的紅外弱小多目標檢測算法應用于軟件設計中，實現紅外激光成像中弱小目標的準確定位。

2.1 可疑弱小目標分割算法的設計

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在總體圖像中占據微小比例，因此，依據自適應鄰域的理論，對弱小目標圖像進行濾波操作，分割出可疑弱小目標。針對弱小目標進行拉普拉斯尺度規范化處理，依據濾波響應的變化得到目標的尺度空間序列，獲取全部可疑目標的大小，具體過程如下：

3 實驗結果及分析

通過實驗驗證本文方法的有效性，將背景抑制法當成對比分析方法。實驗通過正確檢測率和虛警率兩個指標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數量實際目標數量×100%][虛警率=虛警目標數檢測出的目標數量×100%] （5）

實驗1：圖4（a）是從開始著陸的戰機視頻中采集的1幀，構成一個80幀圖像中的部分幀，戰機離地面越來越近，成像尺寸不斷增加，戰機目標成像面積低于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檢測的結果，能夠看出，在目標占據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，隨著戰機目標尺寸的不斷增加，背景抑制方法才能檢測出目標，但該方法易受到高頻噪聲的干擾，出現較多的虛警，將圖像中地面的某些區域誤檢測成目標。而本文方法可有效過濾地面影響區域，準確檢測出實際弱小目標。

圖5描述了圖4中圖像序列100幀的目標檢測結果。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，有2幀檢測出來的目標尺寸有錯誤，正確檢測率為96%，100幀中共有 8 個虛假目標，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，有23幀檢測出的目標尺寸存在誤差，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都優于背景抑制方法。

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的檢測結果，采用白色圓標識檢測結果。

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確檢測出全部弱小目標，而背景抑制方法在天空背景圖6（c）正確檢測出目標，在其他兩個圖像中存在虛假現象。說明本文方法能夠解決復雜環境的不利干擾，準確檢測出弱小目標，具有較高的魯棒性。

從圖6中的不同背景中采集連續30幀圖像，統計本文方法和背景抑制方法對于30幀圖像中的弱小目標進行檢測過程中的虛警目標數，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總數低于背景抑制方法。

4 結 論

本文將基于尺度空間的紅外弱小多目標檢測算法應用于紅外激光成像中弱小目標的定位中，給出了紅外激光成像中弱小目標定位硬件總體結構，其由傳輸控制模塊、圖像采集模塊和弱小目標定位模塊組成。采用傳輸控制模塊TMS320F2812傳遞和處理系統中的圖像，依據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圖像，依據一定的字節順序保存在RAM中。通過軟件設計中的基于尺度空間的紅外弱小多目標檢測算法，完成弱小目標的準確定位。實驗結果說明，該算法可在不同背景環境中，有效過濾干擾區域，準確檢測出實際弱小目標，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的魯棒檢測與匹配算法[J].系統工程與電子技術，2014，36（9）：1854?1859.

[2] 熊衛兵，杜光偉，李世偉.一種紅外弱小目標提取的有效算法[J].電子技術與軟件工程，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跟蹤[J].系統工程與電子技術，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.基于結構低秩編碼的復雜環境紅外弱小目標檢測算法[J].中國慣性技術學報，2015，23（5）：662?669.

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

[7] 劉前進，楊衛，劉云武.基于熱釋電紅外傳感器的多節點定位系統研究與設計[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檢測方法[J].紅外技術，2015（8）：648?654.