红外激光成像中的弱小目标的准确定位技术研究

蒋理，李维勇

（南京信息职业技术学院，江苏　南京　210000）

红外激光成像中的弱小目标的准确定位技术研究

蒋理，李维勇

（南京信息职业技术学院，江苏南京210000）

由于红外激光成像中的弱小目标，存在信噪比低、无纹理信息和信号弱的特征，使得传统基于背景抑制的目标检测方法，无法将目标从复杂的背景中分割出来，检测准确率低。因此，将基于尺度空间的红外弱小多目标检测算法应用于红外激光成像中弱小目标的定位中，给出了红外激光成像中弱小目标定位硬件总体结构，其由传输控制模块、图像采集模块和弱小目标定位模块组成。采用传输控制模块TMS320F2812传递和处理系统中的图像，依据中央控制单元的命令对红外摄像机进行控制，通过核心芯片为XC95288XL的图像采集模块获取弱小目标图像，依据一定的字节顺序保存在RAM中。通过软件设计中的基于尺度空间的红外弱小多目标检测算法，完成弱小目标的准确定位。实验结果表明，该算法可在不同背景环境中，有效过滤干扰区域，准确检测出实际弱小目标，鲁棒性较高。

红外激光成像；弱小目标；目标定位；TMS320F2812

0　引言

红外激光成像中弱小目标检测技术，在红外制导、搜索定位以及预警领域都具有重要的应用价值。距离越远、目标成像面积越小，受到背景噪声的干扰越严重，因此寻求有效的方法，对红外激光成像中的弱小目标进行准确检测，成为相关人员分析的重点问题［1-3］。由于红外激光成像中的弱小目标，存在信噪比低、无纹理信息和信号弱的特征，使得传统基于背景抑制的目标检测方法，无法将目标从复杂的背景中分割出来，检测准确率低［4］。

文献［5］采用融合模型驱动和数据驱动的方法检测弱小目标，通过数学模型描述目标对象，采用模板匹配的方法定位目标，但是弱小目标的灰度信息缺乏，不能塑造完整的数学模型，无法实现目标的准确检测。文献［6］分析了通过背景抑制法检测弱小目标的过程，因为处于复杂背景中的弱小目标可看成高频噪声，则对图像中的频域进行高通滤波，能够将目标从背景中分割出来，但是该种方法要求目标的灰度同背景存在一定的差异，具有较高的的局限性。文献［7］通过基于视觉注意机制检测弱小目标，其采集目标的感兴趣区域后，将具有较高视觉注意力的感兴趣区域当成目标区域，但是该种方法需要对图像中全部的区域进行分析，运算量较高，检测效率低。文献［8］通过二阶高斯马尔可夫随机场模型，反映弱小目标的背景纹理，通过特征向量对目标进行跟踪，采用参数预测方法检测目标的位置。该方法的运算量较高，存在检测效率低的缺陷，无法实现红外成像弱小目标的实时检测需求。

面向上述分析的各种问题，为了提高红外激光成像中弱小目标检测效率和精度，提出了基于尺度空间的红外弱小多目标检测算法应用于红外激光成像中弱小目标的定位中，给出了红外激光成像中弱小目标定位硬件总体结构，其由传输控制模块、图像采集模块和弱小目标定位模块组成。实验结果说明，该算法可在不同背景环境中，有效过滤干扰区域，准确检测出实际弱小目标，鲁棒性较高。

1　红外激光成像中弱小目标定位系统

1.1系统总体结构

总体红外激光成像中弱小目标定位系统的组成结构图如图1所示。

图1　红外激光成像中弱小目标检测系统硬件结构图

分析图1可以看出，系统由传输控制模块、图像采集模块和弱小目标定位模块组成。总体系统的关键模块为传输控制模块TMS320F2812，通过该模块完成系统中图像传递和处理性能，同时采集中央控制单元DSP的命令，对红外摄像机进行控制。系统通过核心芯片为XC95288XL的图像采集模块获取弱小目标图像，依据一定的字节顺序保存在RAM中。总体定位系统包括传输控制模块、图像采集模块以及目标定位模块。

1.2传输控制模块

传输控制模块是总体弱小目标检测系统的关键部分，其完成弱小目标图像的传递和图像处理、控制命令的采集以及对红外摄像机进行调控，由中央控制单元DSP和以太网控制器构成。

1.2.1通过中央控制单元DSP采集和处理控制命令

系统通过中央控制单元DSP采集和处理控制命令，对红外摄像机进行控制。其中的中央控制单元DSP采用来自TI公司的TMS320F2812，其功能结构图如图2所示。其是一种32位点数字信号处理器，片内集成了128K×16 b的FLASH和18K×16 b的RAM，可存储大量的控制命令，具有较高的芯片处理性能。TMS320F2812采用C28x内核，通过简单的指令集，确保CPU能够单周期的运行寄存器到寄存器指令，并且采用哈佛总线结构，提升指令的并行操作性能，增强处理器的操作性能。其时钟信号采用F2812中的锁相环电路倍频到120 MHz运行频率中。TMS320F2812包括内核和I/O两部分电源，需要向系统融入复位电路，确保系统在无电或供电异常情况下，确保TMS320F2812处于复位状态，提高系统的可靠性。

图2　TMS320F2812的功能结构图

1.2.2采用以太网控制器AX88796B传递图像数据和控制命令

以太网是弱小目标检测系统同中央控制单元DSP间进行信息沟通的纽带，系统采用具有高速处理能力的以太网控制器AX88796B，传递大量的红外激光图像数据和中央控制单元反馈给目标检测系统的控制命令。AX88796B以太网控制是一种自适应以太网控制器，集成了8K×16 b的静态存储器，并采用NE2000内核，方便定位算法驱动程序的编写。

1.3图像采集模块

以XC95288XL为核心芯片的图像采集模块主要用于采集红外激光图像，获取最佳数据通路，同时可将红外摄像机IR238-02并行数据线图像数据依据相应的字节保存在存储器中。选择数据通路时XC95288XL将获取的图像数据保存在F2812选择的某片存储器中，完成图像读取操作。该部分由XC95288XL电路设计和控制器设计组成。

图像采集模块中的控制器设计是总体图像采集模块的关键部分，主要是对图像采集模块XC95288XL进行编程，确保其可提取红外摄像机传递出的图像数据，同时依据合理的字节顺序保存在RAM内，促使中央控制单元DSP访问存储器时选择数据通路过程的实现。

1.4弱小目标定位模块

红外激光图像中弱小目标定位模块主要负责对弱小目标进行准确定位，该模块的关键部分为DE2开发板，采用其中的jtag_uart模块驱动基于尺度空间的红外弱小多目标检测算法，对图像采集模块中的红外激光成像数据进行分析，实现弱小目标的准确定位。

2　基于尺度空间的红外弱小目标检测算法在软件设计中的应用

本节将基于尺度空间的红外弱小多目标检测算法应用于软件设计中，实现红外激光成像中弱小目标的准确定位。

2.1可疑弱小目标分割算法的设计

因为采用图像采集模块获取的红外激光成像中的弱小目标在总体图像中占据微小比例，因此，依据自适应邻域的理论，对弱小目标图像进行滤波操作，分割出可疑弱小目标。针对弱小目标进行拉普拉斯尺度规范化处理，依据滤波响应的变化得到目标的尺度空间序列，获取全部可疑目标的大小，具体过程如下：

设置弱小目标图像中像素g（x，y）梯度为：

其模为：

检测红外激光成像中弱小目标过程中，采用4向梯度，设置梯度步长是4，如果弱小目标不同方向的梯度值都高于零，4向平均梯度不小于阈值T，则存储该点坐标（x,y），说明该点为可疑目标点。目标点图像构成像素以5×5为窗口w，则该窗口中的最高平均梯度的像素点为（xm,ym），将其作为中心点，5×5为窗口w，采用式（3）对弱小目标进行拉普拉斯尺度规范化处理：

F（xi,yi,s）＞F（xw,yw,s）,（xw,yw）∈w（3）

若（xi,yi）满足式（3），则（xi,yi）为红外激光成像中弱小目标的中心位置，不断调整尺度因子并进行规范化处理，获取弱小目标的尺度序列，在该尺度序列中点（xi,yi）得到具有最高滤波响应的拉普拉斯尺度区间，获取可疑弱小目标尺度。

2.2实际弱小目标检测算法设计

通过阈值分割方法可从2.1节获取的红外激光成像中的可疑弱小目标中分割出实际弱小目标。因为第2.1节通过尺度空间序列图获取全部可疑弱小目标的大小，则提出一种基于目标大小动态阈值明确阈值窗口，得到分割阈值方法，也就是按照可疑目标大小设置背景窗口，该窗口的变化同目标尺寸变化保持一致。详细的过程为：

设置第2.1节获取的可疑弱小目标尺寸为s，目标大小为5s，则背景大小设置为15s×15s。通过式（4）获取弱小目标图像的分割阈值，其中，M为均值，σ为标准差，fi表示背景范围中的像素值，n表示背景范围中的像素数量：

动态阈值通过选择T=M+k×σ，其中k用于调整不同环境下的分割阈值。图3为采用动态阈值分割后对虚假目标的抑制效果图，从图3能够看出，阈值分割准确地分割出实际弱小目标，将虚假目标过滤掉。

图3　动态阈值分割对虚假弱小目标的抑制效果

3　实验结果及分析

通过实验验证本文方法的有效性，将背景抑制法当成对比分析方法。实验通过正确检测率和虚警率两个指标评估检测方法的性能，定义如下：

实验1：图4（a）是从开始着陆的战机视频中采集的1帧，构成一个80帧图像中的部分帧，战机离地面越来越近，成像尺寸不断增加，战机目标成像面积低于5×5，图像大小为220×160，符合红外激光成像中弱小目标的要求。图4（b）、图4（c）分别是采用本文方法和背景抑制方法进行弱小目标检测的结果，能够看出，在目标占据总体图像比例较低的情况下，背景抑制方法无法检测出实际弱小目标，随着战机目标尺寸的不断增加，背景抑制方法才能检测出目标，但该方法易受到高频噪声的干扰，出现较多的虚警，将图像中地面的某些区域误检测成目标。而本文方法可有效过滤地面影响区域，准确检测出实际弱小目标。

图4　战机目标检测结果

图5描述了图4中图像序列100帧的目标检测结果。从图5中可以看出，本文方法在100帧中有3帧未检测出目标，有2帧检测出来的目标尺寸有错误，正确检测率为96%，100帧中共有8个虚假目标，虚警率为6.3%。而实验过程中背景抑制方法在100帧中有18帧未检测出目标，有23帧检测出的目标尺寸存在误差，正确检测率为82%，虚警率为18.2%。因此，通过对比可得，本文方法的正确检测率和虚警率检测指标都优于背景抑制方法。

图5　采用两种方法估计弱小目标大小

实验2：不同背景下的红外激光成像弱小目标检测，图6（a）、图6（d）、图6（g）用于描述不同背景下的红外激光成像弱小目标图像，背景分别是天空、海天以及海天陆地，不同图中的实际弱小目标用方框描述。图6（b）、图6（e）、图6（h）是本文方法进行弱小目标的检测结果，采用白色圆标识检测结果。

图6（c）、图6（f）、图6（i）是采用背景抑制方法检测出的目标位置图，用白色方框描述。

图6　不同背景目标检测结果

分析图6可得，本文方法在三种不同背景下都能准确检测出全部弱小目标，而背景抑制方法在天空背景图6（c）正确检测出目标，在其他两个图像中存在虚假现象。说明本文方法能够解决复杂环境的不利干扰，准确检测出弱小目标，具有较高的鲁棒性。

从图6中的不同背景中采集连续30帧图像，统计本文方法和背景抑制方法对于30帧图像中的弱小目标进行检测过程中的虚警目标数，如图7所示。

图7　不同背景目标检测中虚假目标数

从图7可以看出，本文方法在不同背景下的虚假目标总数低于背景抑制方法。

4　结论

本文将基于尺度空间的红外弱小多目标检测算法应用于红外激光成像中弱小目标的定位中，给出了红外激光成像中弱小目标定位硬件总体结构，其由传输控制模块、图像采集模块和弱小目标定位模块组成。采用传输控制模块TMS320F2812传递和处理系统中的图像，依据中央控制单元的命令对红外摄像机进行控制，通过核心芯片为XC95288XL的图像采集模块获取弱小目标图像，依据一定的字节顺序保存在RAM中。通过软件设计中的基于尺度空间的红外弱小多目标检测算法，完成弱小目标的准确定位。实验结果说明，该算法可在不同背景环境中，有效过滤干扰区域，准确检测出实际弱小目标，鲁棒性较高。

［1］郝帅，程咏梅，马旭，等.面向近红外合作目标的鲁棒检测与匹配算法［J］.系统工程与电子技术，2014，36（9）：1854-1859.

［2］熊卫兵，杜光伟，李世伟.一种红外弱小目标提取的有效算法［J］.电子技术与软件工程，2015（12）：103-104.

［3］赵菲，卢焕章，张志勇.基于改进多特征融合均值位移算法的红外舰船目标跟踪［J］.系统工程与电子技术，2014，36（2）：205-213.

［4］高照忠，魏海霞，喻怀义.遥感图像中微小红外目标的分类定位识别［J］.科技通报，2015，31（12）：231-233.

［5］赵爱罡，王宏力，杨小冈，等.基于结构低秩编码的复杂环境红外弱小目标检测算法［J］.中国惯性技术学报，2015，23（5）：662-669.

［6］程红，仇荣超，孙文邦.遥感图像目标的定位算法［J］.红外技术，2015（10）：831-835.

［7］刘前进，杨卫，刘云武.基于热释电红外传感器的多节点定位系统研究与设计［J］.计算机测量与控制，2014，22（9）：2947-2948.

［8］叶华，朱明旱，王日兴.红外和可见光图像互补融合的运动目标检测方法［J］.红外技术，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

国家自然科学基金（15369627）

蒋理（1982—），男，江苏南京人，讲师，硕士。主要从事移动互联网技术的研究工作。

李维勇（1976—），男，安徽滁州人，副教授，硕士。主要从事移动互联网应用技术的研究工作。