發(fā)布時間：2020-08-26 18:05

【摘要】：隨著紅外傳感器與嵌入式微處理器的快速發(fā)展,紅外檢測技術的應用也越來越廣泛,同時檢測設備逐漸向小型化的趨勢發(fā)展。由于紅外檢測系統(tǒng)常常被應用于制導過程,而檢測的可靠性和實時性則成為制導成功的關鍵因素,因此對紅外目標實時檢測系統(tǒng)的研究與設計將具有重要的現實意義。本文主要從檢測算法的改進和硬件平臺的設計兩個方面開展,探討準確高效的檢測算法,設計高算法匹配度、高性能的硬件平臺,最終實現紅外目標的實時檢測。本文首先介紹紅外圖像預處理的相關理論,探討系統(tǒng)涉及的紅外預處理技術和紅外圖像顯示增強技術,并對其進行仿真分析;然后研究基于單幀的背景預測和多步長梯度的目標檢測算法,在綜合考慮算法優(yōu)缺點與計算復雜度后,提出本文的改進算法——基于多方向梯度的多尺度紅外目標檢測算法。該算法利用紅外目標具有全向梯度的特性,使用改進型鄰域梯度計算方法,通過八方向梯度采樣進行特征度量,實現紅外目標的檢測;其次,通過構建圖像的高斯金字塔,并對其逐層檢測,實現紅外目標的多尺度計算,有效地擴大了算法可檢測的目標尺度;最終,依據單幀檢測的結果,利用多幀的圖像信息進行目標的進一步確定,降低算法的誤檢率。多幀確認過程中,依據單幀檢測結果采用區(qū)域生長法進行目標分割,根據分割結果提取目標的灰度均值、灰度均方差、大小、質心和Hu不變矩等特征。利用這些特征,使用改進型帶權值的曼哈頓距離進行多幀間目標的匹配,形成連續(xù)的目標軌跡。最終利用先驗知識過濾出感興趣的目標軌跡,實現目標的準確檢測。同時,根據算法運算量大和并行度高的特點,設計ARM+FPGA結構的硬件處理平臺。該平臺以ARM為核心處理器,利用FPGA并行運行機制和豐富的可編程IO,進行算法加速與接口擴展。通過采用CameraLink和SDI等視頻輸入輸出接口,提高設備的可連接性。根據算法特征和數據流向設計合理高效的算法結構,利用FPGA完成大量復雜的運算操作,提升系統(tǒng)整體運算效率。經過實際測試,可實現640×512分辨率下,2×2至21×21像素大小的紅外亮目標每秒50幀的有效檢測,同時具有功耗低、體積小等優(yōu)點。該實時檢測系統(tǒng)的實現初步解決了便攜式紅外目標實時檢測的需求,也為其它檢測系統(tǒng)的設計提供了參考。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TN21
【圖文】：

首先必須抑制圖像噪聲、增強圖像信息、消除非均勻性和改善圖像質量。通過紅外圖像的預處理，可減少圖像中的噪聲和雜波，增強圖像的信噪比。圖2.1 典型紅外圖像如圖 2.1 所示，紅外圖像由目標、背景雜波、噪聲三部分組成[37]，其數學模型可由式(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 分別表示背景、目標和噪聲， x ,y 表示像素點坐標，k 為圖像幀序號。本文所針對的設計目標為紅外亮目標，因此目標的溫度高于背景溫度，體現為目標的亮度強于背景，即目標灰度值 大于背景。與此同時

(c)均值濾波后圖像 (d)均值濾波后圖像頻譜(e)高斯濾波后圖像 (f)高斯濾波后圖像頻譜圖2.2 濾波效果圖如圖 2.2 所示，選用含有高斯噪聲和椒鹽噪聲的圖像，使用均值濾波和高斯濾波進行去噪處理，并分析對比其各自的頻譜圖。經過仿真可發(fā)現，原始圖像經過均值濾波和高斯濾波后噪聲都得到了有效的抑制，圖像頻域的對比度有所提升，但頻譜本身信息并沒有增減。也可以看出，相比于均值濾波，高斯濾波使圖像更加平滑。因此，本系統(tǒng)選用均值濾波進行去噪，在去噪的同時又能有效地保留圖像的細節(jié)。

(a)原始圖像 (b)灰度直方圖(c)線性拉伸后圖像 (d)灰度直方圖圖2.3 線性拉伸效果圖對比拉伸前后的圖像可發(fā)現，線性拉伸能有效的提升圖片的對比度，使得圖片中的目標變得更為明顯。對比前后的直方圖分布，拉伸后的直方圖分布更為均勻，并且灰度分布的形狀保持不變。

【參考文獻】

相關期刊論文 前10條

1 楊舒;王玉德;;基于Contourlet變換和Hu不變矩的圖像檢索算法[J];紅外與激光工程;2014年01期

2 侯潔;辛云宏;;基于高通濾波和圖像增強的紅外小目標檢測方法[J];紅外技術;2013年05期

3 萬磊;曾文靜;張鐵棟;秦再白;;基于梯度信息融合的海面紅外目標實時檢測[J];紅外與激光工程;2013年01期

4 劉v

本文編號：2805514