基于国产多核DSP的红外弱小目标检测算法

摘要：复杂背景下的红外弱小目标检测在红外图像处理领域中具有重要价值。本文提出了一种以背景抑制与目标增强相结合，使用国产多核DSP并行运算的红外弱小目标检测方法。通过高斯滤波和梯度锐化有效的提升了信噪比，理论分析及实验结果表明，本算法能够提高检测率、降低虚警率、具有很强的检测鲁棒性和检测实时性。

关键词：国产化;红外弱小目标;高斯滤波

中图分类号：TP391.41;TN713    文献标识码：A    文章编号：1007-9416（2020）10-0000-00

0 引言

随着国家自主可控规划的推进，近年来国产硬件的应用越来越重要。我国军事装备的很多设备及其核心技术依靠进口，无法从根本上保障信息的安全，国民经济和国防安全均存在安全隐患。因此，自主可控的国产化发展得到了国家的高度重视，本文使用国产银河飞腾的FT-M6678 DSP（Digital Signal Processor）经过多个版本的改进升级，已经满足产品工程化要求。

由于红外成像技术的发展和图像信号处理能力的进步，红外成像检测技术已被广泛应用。其中，弱小目标检测算法一直是红外成像检测中的热点。

目前弱小目标检测的算法有很多，按处理方法分为频域滤波算法和空域滤波算法。这两种算法的区别在于：前者是在频域上对图像进行处理，后者是在空域上对图像进行处理。这两种算法的相同之处为：从本质上来说它们都是通过高通滤波抑制平缓变化的背景。频域滤波主要包括频域高通滤波和小波分析法;空域滤波主要包括中值滤波、灰度形态学滤波、二维最小均方误差、高通模板滤波等。频域滤波首先通过傅里叶变换（FFT）将图像变换到频域上，然后对其进行高通滤波，最后进行逆傅里叶变换得到目标，这种滤波可抑制缓慢变化的背景，同时保留弱小目标、随机噪声和景象边缘;但是实时性难以保证，目前主要还是在研究阶段，工程上用的比较少。空域滤波首先进行噪声抑制和背景估计，然后对背景与原始图像进行差分运算，最后对差分图像进行阈值分割并检测目标，由于空域算法的实时性好，被广泛用于工程实现中。文中提出了一种简单实用的弱小目标检测算法，该算法首先进行背景抑制获得背景图像，然后采用梯度锐化进行目标增强，采用自适应进行阈值分割，最后采用邻域连通获得目标信息。这种方法构造简单，计算量小，软件架构采用并行运算，满足实时性要求。

1红外图像弱小目标的检测算法

红外图像弱小目标的特征属性是弱和小，当目标处于复杂云层等背景中，经过远距离的大气传输，目标辐射的红外能量达到探测器已经非常微弱，对于一帧 256×256像素的图像，目标所占比例小于0.01%。由于目标信号强度弱、所占面积小，仅为几个像素的灰度奇异点，信噪比和对比度都非常低，因此红外弱小目标的检测算法成为关键环节，本文采用背景抑制和目标增强的算法检测目标，流程图如图1所示。

1.1 背景抑制

图像中背景和周围像素的灰度值相关性比较强，而目标不具有这样的特征，利用这一特征，将图像中各像素的灰度值用其周围一定范围内的灰度值进行估计;由于目标像素和邻近背景相比具有一定的孤立性，且其强度符合高斯分布，估计值和实际灰度值会相差较大，因此通过估计误差即可实现对背景抑制。

一幅红外小目标图像通常认为是有目标、背景和噪声三部分组成，数学公式表达为：

式中，为图像像素点坐标，为像素点上的灰度值，，，分别表示目标、背景以及噪声的灰度值。

为保证工程的实用性，使用简单有效的背景估计模型[1][2]：

（2）

是以当前像素 为中心的高斯滤波模板，满足。根据目标强度分布和光学成像系统特性，使用优化后的3×3高斯滤波模板：

1.2 目标增强

通过原图像减去背景图像，获得的残差图中只包含了目标图像和噪声图像。

对残差图像采用梯度锐化[3]可以增强目标信号，抑制噪声。目标信号是高频信号，因此对其进行梯度运算，加强高频分量部分，从而使得目标突出。在实际使用中，通常采用下式来进行计算梯度：

1.3阈值分割

目标检测需要选取适当的分割算法将目标信息分离出来，重点是选取合适的阈值。阈值选得过高，就会丢失目标信息;反之，就会受到噪声干扰，造成较高的虚警率。本文采用自适应阈值[4]的方法获得阈值，即

（6）

式中，为的均值，为其标准差，为常系数。为保证较低的虚警，本文选取3，利用公式（6）得到阈值，目标增强图像和阈值Th进行比较后，获得目标的二值化图像Y。

（7）

1.4 邻域连通

由于红外光学系统的成像特性，通过大气传输和光学系统的传递函数的作用，其最终成像到探测器上不可能仅为1个像素。利用目标的这一空间分布信息，将那些由于分割阈值降低引入的少量系统噪声排除在外，同时将每个目标的所属像素信息聚合在一起，去除交叉的目标点，形成完整的目标信息。

对同一目标像素的连通，可使用图像处理中经典的连通区域标记法[5]，为了满足实时性要求，本文采用4邻域连通获取目标信息。

2國产多核DSP软件架构

本文使用国产银河飞腾的FT-M6678多核DSP实现并行运算。FT-M6678集成了8个内核，具有定点/浮点运算能力，支持高性能信号处理应用;每核主频1.25GHz，单核可高达40GMACS和20GFLOPS，每核具有32KB L1指令Cache、32KB数据Cache、512KB L2 Cache;8核共享的4MB SRAM，高速接口包括两套3.125GBaud的RapidIO和5GBaud的PCIe，支持DMA传输，可以在10W功耗下实现160 GFLOPS的性能。

为充分发挥多核DSP的性能，提高算法的运算能力和执行效率，把图像均分为上下半区，采用流水线操作，软件架构部署如表1所示。

其中Core0作为控制部分，不参与算法运算，Core1- Core7时间开销说明算法部署合理，每秒处理图像可以达到150帧，核内计算资源具有冗余性。

3实验结果

为说明红外弱小目标检测算法的有效性，本文采用大量采集到的视频数据进行算法验证和分析，选取两组信噪比不同的复杂云层图像进行说明。图像数据格式为640×512×16bit，帧频150Hz。首先采用Matlab进行仿真验证，然后使用国产DSP进行工程验证，实验环境和验证内容如表2所示。

不同场景的验证如图2和图3所示，原始图像的目标用箭头标出，检测结果用方框标出，其中图2的信噪比为2，目标几乎淹没在背景中，图3的信噪比为2.5，目标位于云层间隙中。

红外成像中，目标信号的强度分布符合高斯分布，因此滤波模板由高斯扩散函数结合系统实际光学传递函数并经过适当调试给出;考虑到本文是对弱小目标进行检测的研究，使用3×3滤波模板可以满足实验要求，同时对细节也会处理的更好。

使用自适应阈值的方法获得阈值，通过公式（5），使得目标信号得到有效增强;根据公式（6），为背景消减后残差的平均值，由于残差中主要为系统噪声，其统计均值为0，可以直接认为 。为噪声标准差，由于残差中目标信号像素较少，可以等同于残差的标准差，选取3，获得阈值。

通过残差和检测结果的对比，本文选取的连通法去掉了多余的噪声信号，降低了系统的虚警率，检测结果表明，本文算法检测概率高、虚警率低。使用国产多核DSP，算法可以达到每秒150帧的处理速度，同时可以灵活配置多核，分配核间资源，使得算法在核间均衡分配，满足工程实时性的要求。

4 结语

本文以目标信号的强度分布的高斯模板为模型，结合实际的光学系统获得分布滤波模板，进行背景抑制，并使用梯度法进一步增强目标灰度值，通过选取合适的阈值和连通法获得目标信息。在多核DSP上采用流水线操作，可以满足150帧频的处理速度，具有很好的实用性。实验结果表明该方法运算简单，工程实现性好。后续工作中将利用本文方法，实现对红外小目标图像序列的多目标检测。

参考文献

[1]陈振学，汪国有.基于自适应背景估计的红外弱小目标检测算法[J].激光与红外，2005（8）：608-610.

[2]杨丽萍，冯晓毅.一种基于背景估计的红外弱小目标检测方法[J].红外技术，2007（7）： 403-408.

[3]刘刚.MATLAB数字图像处理[M].北京：机械工业出版社，2010：119.

[4]万明，张凤鸣，累洪利，等.一种利用十字窗口识别红外弱小目标的新方法[J].光子学报， 2011，40（5）：764-767.

[5]王勇，趙保军.复杂背景下低信噪比点目标的实时检测算法及实现[J].系统工程与电子技术，2002，24（12）：17-21.

收稿日期：2020-08-24

作者简介：孙秀峰（1982—），男，河北邯郸人，硕士，工程师，研究方向：图像处理及应用。

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